想问问投字节被捞起来是随机的嘛

感觉像KPI面，一面后一天微信通知二面，没看到微信消息，第二天看到后约周五，到了周五约下周一，到了下周一约下周二，到了下周二开面20min面试官还没来，到了后就纯让我聊，八股文/算法题为0，四十分钟后面试结束，三天后拒信

请详细拆解简历中“配表专项测试”的业务背景、技术实现及你的具体贡献？针对复杂的概率计算（如万分之一掉落率），你的校验脚本是如何设计的？以“游戏道具购买”接口为例，展示你的用例设计思维及边界覆盖情况。如何构造“低等级玩家购买高等级道具”的测试数据？其底层实现原理是什么？在过往项目中，UI自动化测试的建设情况如何？你做过哪些探索？为何不引入主流自动化框架（如Selenium/Appium）？如何利用大模型优化日志分析流程？具体实施细节是什么？日志分析中，具体的聚类逻辑和关注指标有哪些？假设测试自动驾驶车辆通过红绿灯路口，请设计测试用例。你的职业发展路径规划是怎样的？反问

给我面没招了，发点面经攒攒人品～Q1：你的 Agent 具备上下文记忆功能，基于 ReAct 模式，目前实际运行中最多能支持多少轮对话？Q2：在 ReAct 模式下，Agent 需要频繁调用工具。考虑到不同大模型（如 Kimi 支持 20 万+ token，DeepSeek 支持 10 万+ token）的上下文窗口限制，您在执行过程中是否遇到过因工具调用次数过多（N 次）导致 Token 超出限制（撑爆上下文）的情况？如果有，是如何处理的？Q3：在问答类场景中，如果 Agent 陷入死循环（例如反复搜索不到内容，不断重复“查看文件 - 搜索文件”的操作），有什么机制来检测并处理这种异常情况？Q4：项目基于 MCP 协议集成了服务器资源查询、数据操作和校内文档检索，为什么没有考虑集成外部互联网资源的检索能力？Q5：像 Codex 这类代码模型，其内部显然不是基于向量检索的。您是否研究或思考过 Codex 内部的文件检索策略是如何实现的？Q6：目前 OpenClaw 比较热门，您是否阅读过相关源码或研究过其技术实现？Q7：您提到了“服务器辅助开发”功能，是基于 Plan-Execute-RePlan 的方式实现的。能否详细讲解一下这一功能的具体实现逻辑？

之前快手实习的时候在电梯里面听到一个老哥问另外一个老哥，面试的时候问什么怎么招什么类型的候选人。那老哥也是坦率，直接说看眼缘，聊得来就行。无论是之前这个快手这个面试官还是现在我认识的很多面试官，绝大多数面试官在面试的过程中多少都会代入部分自己的主观判断。 很多技术岗的小伙伴和我以前一样，只搞技术不在乎其它的一些地方，但是不是每个人都能用绝对的技术来征服面试官的 ，所以很多非技术的点在找工作的时候也很重要，这些非技术的点好似润滑剂，有了润滑剂会让你的求职引擎转动起来更加的丝滑。简历上的图片简历照片的重要性：看过很多人的简历图片和当初博主求职的时候一样，用的大一甚至高中的照片，这里非常推荐如果有时...