1.请用5分钟时间自我介绍，包括专业、项目经历、技能等。2.你本身是计算机专业的吗？3.你们主要学了哪些课程？4.CPU 主要由哪些部分组成？5.CPU 缓存的主要作用是什么？6.多核 CPU 中，如果多个核心都缓存了同一块内存数据，其中一个修改了数据，如何通知其他核心保持一致性？7.CPU 修改内存数据时，是先写缓存还是先写内存？8.如果写缓存后突然发生故障（宕机），数据会不会丢失？怎么处理？9.有没有用过 Linux？在项目中用它做过什么？10.Linux 中查看文件内容有哪些方式？11.如何查找文件中的内容？（如使用 grep）12.如何递归查找某个目录下所有文件中包含的关键字？13.什么是阻塞 I/O 和非阻塞 I/O？它们的区别是什么？14.平时用的 JDK 是哪个版本？15.ArrayList 和 LinkedList 有什么区别？16.它们的内存占用哪个大？为什么？17.如何将一个 ArrayList 拷贝到另一个 ArrayList？有哪些方式？哪种最快？18.Java 线程有哪些状态？19.线程在什么情况下会进入阻塞状态？（举出几种场景）20.平时用 Spring 吗？是否用过微服务（Spring Cloud）？21.Spring AOP 的机制是什么？底层是如何实现的？22.AOP 一般用在哪些场景？23.你简历里提到的“慢接口优化”是怎么做的？从分析问题、定位问题到修改，讲一下完整过程。24.这个接口慢是谁发现的？是用户还是测试？25.你是怎么定位到具体是哪个地方慢的？（用 debug？）26.项目中有没有用 APM（应用性能监控）工具？27.你有没有学过或了解过类似的性能监测组件？关于 AI 的使用28.你提到用了很多 AI 工具，能不能系统介绍一下你在实习和个人项目中具体用到了哪些 AI 能力？29.你用的开发工具是 Cursor 吗？有没有用过 openCua（或类似工具）？30.在 Cursor 中，如何实现并行任务（比如前后端同时开发、测试、代码提交等）？有没有用过？

📍面试公司：腾讯🕐面试时间：2026.3.20💻面试岗位：软件开发-测试开发方向❓面试问题：1、自我介绍&对方介绍； 2、实习拷打； 3、算法：重复出现的字符； 4、算法变形：不使用额外空间； 5、功能实现：微信发红包； 6、功能实现变形：我忘了（因为没写出来，后来提醒了半天，终于口诉出了思路） 7、反问：如果想借用工具扩大能力边界，该多进行哪些方面的思考；（因为实习拷打有聊到这方面）🙌面试感想：第一次面两个小时，给我面懵了，但是很意外的一点八股都没有，就像聊天一样，只是四道代码题，实在是给我做懵了，许愿通过，我是鹅孝子；

自我介绍 linux熟悉吗linux查看缓存的几个命令linux常用的几个命令测试的流程说一下单元测试，集成测试，系统测试的区别测试用例的设计微信语音的用例测试这个项目中你觉得比较难的地方

1.测开应具备的素质？• 扎实的测试理论+编码能力，能做自动化与工具开发。• 严谨细心，质量意识强，有风险敏感度。• 良好沟通协调，推动问题闭环。• 持续学习，关注新技术如AI、自动化。2. 项目困难与解决？项目迭代快，接口变动频繁，自动化脚本维护成本高。• 抽取公共方法，框架分层，降低耦合。• 与开发提前同步接口变更，约定规范。• 使用数据驱动+配置化，提升复用性与效率。3. 登录界面测试用例？• 功能：正确/错误账号密码、空值、验证码、锁定、互踢。• 边界：超长字符、特殊字符、弱密码校验。• 安全：SQL注入、XSS、明文、token校验。• 兼容：多浏览器、APP、网络异常。4. 开发认为不是bug/不紧急怎么沟通？• 用需求文档、产品逻辑客观对齐，不主观争执。• 说明用户影响与线上风险，提供日志、截图、复现步骤。• 协商优先级，先录入缺陷，保证问题闭环。5. 测试来不及，如何跟领导沟通延期？• 及时同步风险，不拖延隐瞒。• 说明原因：用例量、阻塞问题、回归范围、环境问题。• 给出方案：1）保主干用例，精简非核心；2）加人/并行测试；3）建议分批上线或延期，降低风险。• 站在业务稳定角度沟通。6. 多线程安全 & 多线程测试？线程安全：• synchronized、Lock、ThreadLocal。• 并发安全集合：ConcurrentHashMap 等。• volatile 保证可见性。多线程测试：• 模拟高并发、重复执行、长时间运行。• 检查：死锁、数据错乱、丢失更新、阻塞。• 加压测试 + 日志分析 + 复现验证。7. 浅拷贝 vs 深拷贝？• 浅拷贝：只复制引用，共用内部对象，修改互相影响。• 深拷贝：复制整个对象链，完全独立，互不影响。• 实现：序列化、递归拷贝、JSON 序列化。8. AI 对测开的机遇与挑战？会用：辅助写用例、造数据、写脚本、查问题、总结。机遇：• 提升用例、脚本、测试数据效率。• 智能缺陷定位、辅助性能/安全测试。挑战：• AI结果需人工校验，不能完全依赖。• 需学习工具、提示词、数据安全合规。