一、AI 测试的分水岭 从“使用”到“治理”现在市面上的 AI 测试落地尝试，基本分两个流派。一派是把 Claude Code 当外包小弟，人写提示词，它出脚本，人再复制粘贴到框架里。看起来快，实则返工率高得惊人。因为每一轮对话都是独立的，没有版本约束，没有上下文锁定，出问题只能从聊天记录里翻证据。 另一派，已经开始用交付流水线的思维治理 AI。不再把 Claude Code 当成一个聊天窗口，而是当成流水线里一个“生成步骤”。这个步骤有固定的输入源、参数化模板、审批节点、质量阈值，跑完自动进入下一环节。后一种做法的核心已经不是“用 AI”，而是把 AI 输出变成可治理的资产。这就是 Harn...

AI作弊真的挺明显的😅 昨晚面试了一个实习生，带着眼镜都反光，我都看到滚动的字幕了😅 要作弊先把自己的眼镜摘下来行吗.... 问项目也得看AI怎么回答的，项目真的是自己的吗？

一面一来介绍了一下面试流程，然后开始基于项目进行提问1.接口请求策略，网络请求+离线计算双模式，代码逻辑是什么样的？2.追问，既然能本地算，为什么要走网络请求？3.追问，如果网络请求拿不到，走本地计算会有什么后果吗？4.简单介绍一下这个项目的背景吧？给谁用的？用来干什么？5.第二个项目是给谁用的？6.如果不小心在考试过程中刷新了页面，你是怎么保证倒计时不重置，以及考试状态不丢失？7.答存本地，刷新之后在重新获取。面试官追问，要是把缓存清掉不就没了？再答，那应该是存在后端会比较好8.SSE和WebSocket的本质区别是啥？9.追问，那你为什么在对接deepseek的时候选择了SSE？实时聊天的...