算法岗面试八股（一）

我拿到了一道系统设计类的题目：实现一个推理网关，核心功能包括智能路由、负载均衡、KV Cache 感知调度等。题目明确给出了交付要求和加分项。整个开发过程是在 IDE 环境下完成的，交互方式比命令行界面友好很多。我使用的模型体验不错，大约 90% 以上的对话都能顺利完成需求，偶尔出现的小 Bug 也可以自己手动修正。总体感觉比较容易上手。我的实现思路如下供牛友们参考：需求分析与架构设计先让 AI 扮演产品经理，帮我分析需求，输出一份完整详细的需求文档和项目架构。框架搭建与功能实现再让 AI 根据文档生成项目框架，然后逐个模块填充代码、测试、细调 Bug。测试与验收在所有测试通过后，让 AI 充当验收人，对整体项目进行测试和打分。迭代优化根据 AI 指出的不足之处进行改动，重复“测试 → 验收 → 打分”的流程，直到评分达到 90 分以上。文档交付最后让 AI 生成完整详细的项目总结报告，以及所有需要交付的文档，整理后一并提交。

最近面了几家大厂，感觉AI Coding已经成了标配。特别是蚂蚁的笔试题，用Copilot写代码的过程都被记录，还要看你怎么prompt、怎么调试。感觉现在公司不只是看你会不会写，更看重你怎么用AI提效，有点像AI协作能力测试了。

26.4.24笔试三道题只ac了1.5道，没想到还是有面，分享一下自我介绍Q1：对测试开发这个岗位了解多少？Q2：讲讲网络五层协议栈Q3：TCP和UDP的区别？视频直播使用TCP还是UDP？Q4：浏览器键入URL到网页元素呈现这一过程在操作系统上发生了什么？（这里我没搞懂在操作系统是什么意思，面试官说那就改成在网络上发生了什么）Q5：http和https的区别？Q6：讲讲死锁Q7：了解虚拟内存吗？虚拟地址向物理地址是怎么翻译的？Q8：进程间通信机制有哪些？最快的是哪一种？Q9：对Linux了解多少？（我说做过一个小的ext2文件系统）那就讲讲文件系统的组成Q10：AI agent跟ChatGPT这种模型的区别在哪？Q11：了解模型的幻觉产生吗？怎么减少幻觉？Q12：了解RAG吗？Q13：大模型的思考过程太长应该怎么优化？Q14：了解JVM的垃圾回收机制吗？Q15：python有哪些数据类型Q16：python2和python3的区别？Q17：了解JAVA哈希表的底层实现吗？（我讲了数组长度超过阈值转红黑树）讲讲红黑树？（还问了知不知道SQL这些数据库，我说我还在学就没问下去）反问环节（无手撕）（大佬们有兴趣的话可以在评论区写写答案，我学习一下）总共面了五十分钟左右，都是问答。面试官挺年轻的，说话很舒服，面试体验很好，但是由于我的项目基本都是课设，实在经不起推敲，感觉面试官对我兴趣不大。话说反问环节该问什么呀？我感觉不问也不行，问了要是问的不好也不行😭想问问大家，如果没有成熟的落地项目的话是不是基本哪都没希望，我还有必要继续投吗？还是回去沉淀一下😭，我有沉淀出几个项目的打算，但也不想放弃暑期实习这个窗口还有就是，大家有没有什么记录面试的妙妙工具推荐一下，lz纯回忆记录面试感觉太区了，不仅有遗漏还有可能不准确，谢谢大家🙏

不得不说，AI Coding 用起来是真的爽。我没遇到 3.29 那批说的输出慢的问题，整体用着很顺畅，感觉他们内部应该是优化过了。这次题目是一个 README.md 文档，让做一个简历筛选和排序的助手。输入是 MD 格式的简历（大概 60 篇）和职位要求，输出是一个 result.json，里面是筛选出来的候选人排序结果。功能上要求实现特征提取器、归一化（要处理同义词问题）、还有评分器。交付的东西包括源码、说明文档、输出结果、测试代码，以及后续可以优化的点。我的做法是让 AI 先给架构和规划，然后一步步实现。大概 30 分钟搞出来一个简单的 MVP，剩下的时间就一直在优化、优化、再优化。整体体验还不错。