AI替代不了体力劳动。这话放在程序员身上，其实能延伸出更具体的体感 ——AI 替代不了那些需要「人肉踩坑」的体力式技术活。就拿线上故障排查来说，服务器突然雪崩，监控面板红一片，日志里几千行报错信息滚屏。AI 确实能帮你检索报错关键词，列出常见的内存泄漏、数据库锁等待解决方案，但它没法像你一样，顶着凌晨三点的困意，跑到机房看服务器指示灯是否正常，没法蹲在现场排查是不是网线松动导致的网络丢包，更没法凭经验判断是这次上线的代码有问题，还是运维那边调整了防火墙规则。这些看似「体力活」的操作，藏着太多 AI 摸不着的现场变量和经验沉淀。再比如做性能压测，AI 能生成 JMeter 脚本，能帮你分析压测报告里的 TPS 和响应时间数据，但它没法替你扛着笔记本去客户现场，在满是噪音的机房里调试压测环境，没法手动模拟上万用户并发的极端场景，更没法在压测过程中，根据服务器 CPU、内存的实时波动，灵活调整压测参数。那些对着监控大屏盯到眼睛发酸，反复重启服务、调整配置的「体力付出」，是 AI 永远学不会的实战直觉。还有咱们日常的代码重构，AI 能帮你优化代码格式，甚至提出重构建议，但它没法替你逐行梳理遗留系统里的「祖传代码」，没法理解那些没有注释、逻辑混乱的函数背后，藏着的是前同事为了兼容老系统的无奈妥协。你得耐着性子一行行读、一遍遍测，这个过程就像在废墟里寻宝，耗的是体力，拼的是耐心，这些都是 AI 替代不了的「技术体力活」。说到底，AI 能替代的是标准化的脑力输出，却替代不了那些需要现场感知、经验判断、体力付出的技术劳动。毕竟代码是死的，但系统是活的，那些藏在机房噪音里、日志堆里、代码细节里的「体力活」，才是程序员真正的护城河。

有无面过的字节的佬说说 这个部门的前端大概率会面什么内容 有点焦虑 主要是没什么资料能搜到

实习项目拷问实习期间项目挑一两个重点说一下如何定位慢sql这是一个什么联合索引为什么不给中间的status的填进去？好问题表的数据量有没有分表，怎么分表？按月分表，那么分页查询怎么查？前端有传时间范围单表查询时长？10ms到50ms深分页怎么处理？缓存优化怎么做的？主动更新缓存失败？主动更新的并发问题？用的是什么消息队列？消息丢失怎么处理？这个系统可用性如何考虑的？定时脚本：解决入队失败，以及消费这个回调失败 ，缓存降级缓存命中率？基础知识服务器如何识别http的请求头和请求体的？cookie在http中如何传输 ？如何实现一个线程安全的任务队列？数据库为什么要有连接池？刚才你说到数据库连接池为了防止链接频繁的创建销毁，那么像http服务器，rpc服务器他们的连接就是频繁创建和销毁没有连接池，那为什么数据库需要连接池呢？答：因为数据库连接是昂贵、有状态、数量有限的资源，而 HTTP/RPC 是轻量、无状态、可快速销毁的，所以数据库必须用连接池来复用，HTTP 不需要。1. 连接成本完全不一样HTTP 连接：只是一个 TCP 短连接，用完就断，没有状态、没有认证、没有会话上下文，创建销毁非常轻。就算用 HTTP 长连接，也是复用 TCP，不是复用业务状态。数据库连接：是有状态的重量级连接：TCP 握手 + 用户名密码验证 + 权限检查 + 会话初始化（事务、锁、缓存区）。这个成本是 HTTP 的 几十倍上百倍。2. 生命周期完全不同HTTP 请求：一次请求一次连接，用完即丢，非常短暂。数据库连接：一旦建立，可以持续复用很久，完全没必要每次执行 SQL 都重新建连接。3. 数据库对连接数量极其敏感数据库有严格连接上限（MySQL 默认 151）。连接多了，数据库会：内存暴涨、线程爆炸、锁冲突、直接夯死。而 HTTP 服务器扛几万连接都没事，因为它是非阻塞、IO 多路复用，不占很重的资源。算法题：数组平方后的不同数

1. 用户点击链接打开网页到浏览器的流程2. DNS解析详细描述3. vite/webpack工程化4. vite处理兼容性和polyfill5. 怎么评判是新浏览器还是就浏览器6. SSR和SSG7. CSR8. 应用场景9. 用户访问量太大时怎么判断服务器正不正常，监控哪些指标10. 怎么优化这些指标11. 用过ai么，怎么用的12. 了不了解用没用过mcp/skills手写题：实现LRU缓存围绕简历问项目，每一个点都发散继续问项目问了有没有部署上线，没部署本地能不能运行查看，现场共享屏幕run dev看项目，了不了解部署流程，推荐用腾讯云走一遍部署流程问ai coding想让现场做一个ai coding，我没做面试官团队主用vue，全程没问我React相关的八股面试官不上传面评拖到4天之后自动挂写面筋攒人品+5