PDD前端应聘者画像,个人总结供参考

1.基础价值观&条件:无拼不青春、能吃苦、接受11-11-6+的作息、本分

2.简历:技术岗位(前后端)最好有实习否则简历很难过筛、客户端相比可能会更加宽松(26届数据)

3.笔试:前端岗位考的都是基础的核心内容(三个选择题+三个简答题)

3.1 选择题:循环,异步代码输出分析、前端相关的计算机网络等基础知识

3.2 简答题:前端手撕题和场景题手撕,包括Flex布局和CSS3样式设定、Vue3的响应式原理实现、Promise相关内容(并发、一次串行执行、带限制的重试等等、函数柯里化和扁平化对象等等,简答题纯文本手撕无需进行代码提交和测试用例。

4.面试(通常3轮技术面+一轮HR面+超长的泡池子,秋招发Offer和其他公司比后20天左右)

4.1 面试重点:代码手撕,手撕React组件和钩子(倒计时组件、useCallback+memo)、Promise相关题目(并发、串行执行、重试等等)、Leecode常见题目(Vue3diff基础最长递增子序列、无重复全排列等)

4.2 实习内容:校招的话,实习业务匹配度可能和去往的部门有点相关。项目背景、重难点、技术实现和AI相关实践

4.3 基础内容:

1. React和Vue全家桶,各个细节都可能问到,具体的问问用过的路由、状态管理相关钩子,看是否真的用过;进一步可能问问React的底层原理,如react 16+之后的新特性(流式、并发、服务端组件等)、react16的Fiber架构原理(双缓存、更新流程(更新、渲染和提交)、Element&Fiber对象等

2. 工程化相关内容(Webpack&Vite、Monorepo大仓、构建与部署CI/CD等)

3. 计算机基础(网络、浏览器原理,如从输入域名到后来的展示到页面的全流程涉及的技术等)

4 ..........

总的来说,面试官都挺好的,不会的也会引导你思考,不会为难阴阳人

4.4 HR面试:个人情况(实习、有男/女朋友)、为什么选择pdd、能接受强度吗、家里人建议来吗、期望薪资

5.泡池子,泡呀泡,打电话问多数会说在评估、offer审批中,慢慢耐心等待

> 总的来说,pdd真的重视基础,就是考察扎实程度、能否快速干活的、ai问但还是主要看基础手撕&问题

#秋招,不懂就问##pdd应聘者画像#
全部评论
多多校招也是需要笔试通过才约面吗?
点赞 回复 分享
发布于 05-24 19:47 江西

相关推荐

在我来鹅之后,接到的第一个完整大需求就是需要编写一个skill,之前的实习也写过一些skill,但是在我的理解中skill就是跟提示词没差,把你需要的目标全写上就好了,所以第一次mr我提交了一个超过1200行的md,被mt打了回去,为了完成这个需求,我又赶紧请教了我身边的大神同学,获取一些写skill的经验,将原先1200行的md进行了对应的references拆封,又通过我朋友教我的验证机制验证这个skill的效果,最后完成了我的第一个需求。正好前两篇文章给大家分享了写好的用来包装简历的skill,那么今天来给大家分享怎么去写一个好的,可以实际用来工作的skill,摆脱只会写提示词的尴尬。构建 Skill 的五个步骤Step 0:先写 EvalsEval(Evaluation,评估)是一套结构化的、可重复运行的测试用例集,用来判断 Skill 的表现是否符合预期。它不是泛指"测试一下",而是开发 Skill 的前提条件。一个典型的 Skill eval 集至少包含三类用例:- 正例(Positive):用户说“帮我看一下这个 PR 能不能合”,验证 Skill 应该被加载- 负例(Negative):用户说“帮我把代码格式化一下”,验证 Skill 不该被加载——路由别跑偏到不该触发的地方- 边界(Edge):“这个 PR 改了一行日志,要不要审”,验证边界情况下的路由行为正例和负例都要写,而且负例往往比正例更值钱——误触发是 Skill 路由的头号失败模式。Eval 不只是测一次。Perplexity 的 eval 分三个层次:如下图每种都要在 GPT、Claude Opus、Claude Sonnet 不同的 orchestration 模型上分别跑——Sonnet 和 GPT 的 Skill 行为差异很大,只在一种模型上过了不够。没有 evals,你改 description 就是在盲改,一个新 Skill 也可能悄悄搞坏已有的十个 Skill。Step 1:写 Description(最难的一行)description 是路由触发器,不是文档。写好它不需要关心 Skill 的内容,只需要关心能不能在正确的时间加载、有没有意外触发到不应该触发的地方——误触发是头号失败模式,每加一个 Skill 都有可能让其他 Skill 变差。糟糕的 description 描述 Skill 做什么,好的 description 说什么时候加载。举个监控 PR 的例子:不要写这个 Skill 做什么,要写工程师感到焦虑时会说什么——"babysit"、"watch CI"、"make sure this lands"。快速检查清单:- 以"Load when…"开头- 控制在 50 词以内- 描述用户意图,最好来自真实查询- 不总结工作流程Step 2:写 Body跟同事讲工作流程和跟 LLM 讲工作流程完全是两回事。对几乎任何面世超过一年的软件工具,只要提名字,模型已经知道怎么用。所以跳过模型已经懂的部分。不用写出每一步命令。比如不要写 git log → git checkout main → git checkout -b clean-branch → git cherry-pick commit。写 "Cherry-pick the commit onto a clean branch. Resolve conflicts preserving intent. If it can't land cleanly, explain why." 模型在后者上表现好得多,尤其是事情不按预期走的时候。太规定的指令比灵活的指令更脆弱。然后聚焦 gotchas 和反例,它们是最高信噪比的内容。每次 Agent 搞砸了就加一条,gotcha 会自然地累积起来。条件逻辑或内容太重的东西移出 SKILL.md,放到 accessory file 里渐进加载。Step 3:用层级结构- scripts/ —— 确定性逻辑,模型不用每次重新发明- references/ —— 重型文档,条件触发才读("如果 API 返回非 200,读 api-errors.md")- assets/ —— 输出模板,模型直接复制填充- config.json —— 首次运行设置,问一次保存下来对于极其复杂的 Skill,进一步考虑是否应该拆成一组 Skill,用 depends: 声明加载关系。Step 4:迭代切分支出来,在无 Skill 的状态下跑 hero query(核心用户场景查询),建 eval 集,反复调。提交 review 时最好一个 changeset 里自带 eval 集。Description 里的小词改动对路由影响很大,甚至会 spillover(溢出)到其他 Skill,所以这些在 Step 5 之前做完。Step 5:发布大家快把这5步实行起来,成为写skill专家吧!
琉璃梦忆:直接skill creator 管你这那的
AI了,我在打一种很新的...
点赞 评论 收藏
分享
牛客你可姐:第一眼100-200虽然低……第二眼周?周?周吗?
点赞 评论 收藏
分享
评论
1
4
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务