题干解析 题设定义：针对一个无根无向有权树：  树中两点的距离为两点间路径的权值之和。 树的直径即为树中两点间最大的距离。 树中节点到路径的距离定义为点到路径上任意一点距离的最小值。 确定直径上一条长不超过s的核后偏心距（EEC）定义为图中任意节点到该路径（核）的距离的最大值。 题设给我们树的邻接数据以及s的大小，要求我们计算符合要求的核对应的EEC的最小值。  算法思路 寻找直径  首先我们需要找到树的直径，由于树中任意两节点有且仅有一条路径，使用弗洛伊德算法能够求出所有树中任意两点间的路径距离。 基于此我们找到最大的路径长度然后找出所有符合条件的路径节点便可以得到树的直径。  对直径路径进...

是腾讯的csig腾讯云，前天晚上九点突然打电话约面，激动的通宵学了一晚上，第二天状态很差改了今天（以后再也不通宵学习了）感觉自己浪费了面试官一个半小时单纯手写＋场景，无八股无项目无算法，打击真的很大，全是在面试官提醒的情况下完成的，自己技术方面真的还是有待提高，实力匹配不上大厂和已经面试的两个公司完全不一样，很注重编码能力和解决问题的能力，然而我这两个方面都很薄弱，面试官人很好很耐心的等我写完题目，遇到瓶颈也会提醒我，写不出题也会很耐心的跟我讲解好感动，到最后面试结束还安慰我打算把下周最后一场面试面完之后就不面啦，如果能去实习还是很开心，但是最重要的还是好好努力提高技术以下是面经第一题// 实现一个解析 url 参数的函数function parseUrl(urlStr) {// TODO}parseUrl('*********************************************');// 返回 {a: 1, b: 2, c: 3}追问：在链接里见过什么部分？用 hash 路由的话放在哪第二题// 考虑有一个异步任务要执行，返回 Promise，这个任务可能会失败，请实现 retry 方法，返回新方法，可以在失败后自动重试指定的次数。/*** 异步任务重试* @param task 要执行的异步任务* @param times 需要重试的次数，默认为 3 次*/function retry(task, times = 3) {// TODO: 请实现}// ---------------测试示例 ----------------// 原方法const request = async (data) => {// 模拟失败if (Math.random() < 0.7) {throw new Error('request failed');}const res = await fetch('https://jsonplaceholder.typicode.com/posts', {method: 'POST',body: JSON.stringify(data),});return res.json();}// 新的方法const requestWithRetry = retry(request);// 使用async function run() {const res = await requestWithRetry({ body: 'content' });console.log(res);}run();第三题就是给 retry 函数添加类型注释，用到泛型第四题：在组件库中将 Alert 用 api 的形式实现（应该就是 message 这个组件）怎么渲染到一个浮层里而不是原地渲染出来

在 Claude Code、Cursor 等 AI Agent 工具的使用过程中，MCP（Model Context Protocol）与 Skill（Agent Skill）是两个高频出现的能力扩展概念。二者看似都是为了增强 AI 的能力边界，但在设计哲学、技术架构和适用场景上有着本质区别。本文将从这三个维度，彻底厘清两者的核心差异、存在价值及选型原则。一、一句话核心区分MCP 和 Skill 是 AI Agent 能力扩展的两大核心支柱，定位截然不同：MCP 解决「连接」问题：让 AI 突破自身数据局限，访问外部世界的工具、数据源与服务。Skill 解决「方法论」问题：为 AI 注入专业的...