腾讯内推腾讯面经

第一 做个简单的自我介绍吧第二 上一份工作为什么离职第三 能接受加班吗第四 你对未来的职业规划是什么第五 你还有什么想要了解的吗哈哈哈 这些问题 应该是每个求职者都会被问到的吧

1. 简单介绍一下你做过的最有挑战性的项目我做过的最有挑战性的项目是[项目名称]，这是一个[项目类型，如：跨平台的桌面客户端应用]。项目背景：需要实现[核心功能]，支持[用户规模/性能要求]，面临的主要挑战是[具体挑战，如：高并发、低延迟、内存优化等]。我的职责：负责[具体模块]的设计和开发，包括[技术点1]、[技术点2]、[技术点3]。技术难点：性能优化：通过[具体方案]将响应时间从[X]ms降低到[Y]ms内存管理：使用智能指针和对象池，解决了内存泄漏和碎片化问题多线程同步：设计了[同步机制]，避免死锁和竞态条件最终效果：项目成功上线，[具体指标，如：支持X万并发用户，崩溃率低于0.1%]...

自我介绍，问我项目的获奖，活久见1、element-plus用过那些组件。（第一个问题给我问住了，我没用过，具体来讲是我的组件的封装和使用都是ai写的）（下面博主发力了，博主找实习一周了，js/es，vue，react的八股都熟透了，但是不问，你说这撤不撤，每次有新的面经出来我都过一遍，看都是问虚拟dom，diff，虚拟滚动，还有就是一些什么技术比对，问我的跟问小学生一样）2、es6新特性语法你知道的? （博主开始发挥了，变量声明，let,const,var，变量提升，暂时性死区；数据类型，7基础存栈，1引用存堆，引用数据类型的指针存栈中，方便取，因为基础固定长度，引用不固定长度）3、箭头函数了解（this指向和构造函数）4、promise呢（三个状态和三个方法）5、async和await（promise语法糖，）开始找实习多久了，提建议。我总结一下：说我语速太快，说话一开始不经过大脑，肌肉记忆说出来，然后说着说着想到更好的说法，然后说<一开始思考4-5s组织好语言，然后慢慢说。讲快了不如讲慢了6、你觉得让ai给你写代码，你怎么通过他写的代码去学习（滔滔江水，布拉布拉。讲的太多了，从ai教会了我工程化的一些知识，到一些具体的组件功能如何实现，讲了一个具体的例子）博主这边讲上头了，开始抢话说了，由于我开obs录制，不知道为啥我的声音会变小，我说的时候面试官姐姐说话，我没听到，我直接抢话了7、你让ai写的代码你记得住吗（编写边记录文档，做接口文档；项目做完之后，通过aiagent总结项目的结构和内容文档）8、vue-router你知道那些（跳转方式，路由传参，路由拦截，路由懒加载）9、登录一般怎么做的（登录功能实现）（博主又遇到这个问题了，还好我每次面完，都会过一遍，这个我记得老熟悉了）10、token过期了，这个项目怎么处理的（后端返回401，前端响应式拦截）11、http和https（网安的ssl，记不太清了，只记得需要证书和公钥验证了，握手忘了怎么进行的了）没什么要问的了，不过我不小心惊讶了，不问问我项目吗1、心跳保活如何设计的（pingpong ， 退避重连）2、为啥用nextjs架构（从设计的需求思路开始讲，说有csr渲染对于我的这个项目支持更优，等等）开始反问，评价我；公司啥技术栈，什么端，工作；问一下ai和代码规范；有无人带，薪资和北京租房感谢

现在AI技能是求职的默认必备技能，不管是传统的前后端项目还是现在AI潮流新涌出的AI应用开发工程师、AI Agent工程师以及最顶的AI 算法工程师，笔者为前端岗位，秋招投递了15+互联网大厂，收获3家大厂Offer（快手、京东、拼多多），下面聊聊个人对面试中的AI的一些idea：总结（通过JD总结要学什么）前端基础JS&算法、React&Vue框架、Vite、Monorepo、Pnpm工程化、性能优化、主流（微前端、SSR、大前端）仍为基础，全栈+AI是亮点，前端&AI学习：框架前端开发者不再只是 UI 渲染层，而是要理解大模型、Agent、多模态交互，并能在业务中落地 AI 能力。整体架构可以分为四层：AI基础知识大模型基础核心概念：LLM（大语言模型）、Token、上下文窗口、Embedding、微调（Fine-tuning）、提示工程（Prompt Engineering）。关键能力：文本生成、代码生成、多模态理解（文生图 / 文生视频）、知识问答。前端视角：如何通过 API 调用模型、如何处理流式输出（SSE/WebSocket）、如何优化 Token 消耗。Agent 与 RAGAgent：能自主规划、调用工具、完成复杂任务的 AI 实体（如 Coze 扣子、TRAE）。RAG（检索增强生成）：结合私有知识库，让大模型回答更精准、可控。前端视角：如何设计 Agent 交互界面、如何展示 RAG 检索过程、如何做多轮对话管理。多模态 AI核心：文本、图像、音频、视频的融合生成与理解（如剪映的 AI 生成、实时交互）。前端视角：Canvas/WebGL 渲染、WebRTC 实时流、WebGPU 加速、多模态内容预览与编辑。AI工具链应用场景AI IDE 开发（TRAE、Cursor 方向）核心：打造端到端生成真实软件的智能协作平台。前端职责：AI 功能交互实现（代码生成、代码理解、知识问答）、IDE 内核框架开发、插件生态与工具链。技术栈：React/TypeScript、WebAssembly、Monaco Editor、WebSocket/SSE。Agent 平台开发（Coze、HiAgent 方向）核心：新一代 AI Agent 平台，支持协同办公与应用开发。前端职责：LLM 驱动的 AI Agent 框架实现、多 Agent 协同界面、可视化编排工具。技术栈：React/Vue、状态管理、可视化编辑器、实时通信。多模态创作与交互（剪映、抖音方向）核心：生成模型优化、多模态内容合成、实时交互体验提升。前端职责：AI 生成内容预览、实时滤镜 / 特效、多模态编辑界面。技术栈：WebGL/WebGPU、WebRTC、Canvas、性能优化（FPS、内存）。AI + 全栈开发（小红书、美团方向）核心：在 AI Coding 工具协助下完成前后端开发、测试、部署。前端职责：全栈开发、AI 辅助需求分析与方案设计、提升开发效率。技术栈：Node.js/Python、前后端协作、CI/CD、AI 工具深度使用。可视化与 AI 交互（同顺方向）核心：大模型应用的可视化交互、RAG/Agent 工作流演示。前端职责：可视化 Prompt 编排、多轮对话可视化、模型输出调试界面。技术栈：ECharts/D3.js、流程图库、实时数据渲染、响应式设计。工程化与能力要求前端基础扎实的 HTML/CSS/JS/TS，熟悉 React/Vue 等框架。工程化工具：Webpack/Vite、NPM/Yarn、CI/CD、自动化测试。跨端能力：WebAssembly、Electron、Taro 等。AI 工程化模型接入：OpenAI API、火山方舟 SDK、流式输出处理。性能优化：Token 压缩、缓存策略、推理延迟优化、首屏加载。安全合规：数据脱敏、隐私计算、内容审核。软能力拥抱新技术，紧跟 AI 前沿，不设边界。跨团队协作：与算法、后端、产品紧密配合。创新思维：将 AI 技术与前端体验创造性结合。