京东零售JDY前端二面

想问各位佬前端性能优化一般怎么做，都用什么监控性能

2026 年，Web3 行业彻底告别了早期的投机炒作与概念叙事，进入了合规落地、实体赋能、生产力爆发的全面爆发期。而驱动这一轮爆发的核心主线，正是AI 与区块链的原生深度融合—— 二者不再是简单的技术叠加，而是从底层逻辑、应用形态到产业生态的双向重构与共生进化。如果说 RWA（真实世界资产代币化）为 Web3 打通了与传统实体经济的价值桥梁，那么 AI 与区块链的融合，则为 Web3 注入了自主进化的 “智能大脑”，彻底破解了 Web3 长期面临的用户门槛高、生态闭环化、落地场景窄的核心痛点。2026 年香港 Web3 嘉年华上，超 70% 的主题演讲与落地项目聚焦 AI + 区块链融合赛道，...

一、技术岗位（含 AI 相关方向）1. AI 应用开发 / 后端开发金山云考察重点：AI 工具在实际项目中的应用（代码生成、优化迭代）初创公司（上海 / 杭州）考察重点：AI 生成代码的流程设计、Prompt 编写、测试兜底美团考察重点：模型幻觉处理、RAG 优化、多模型对比阿里（通义灵码团队）考察重点：需求拆分、AI 代码架构设计腾讯（代码智能算法岗）考察重点：微调经验、AI 辅助编程实践附加技术栈：Redis / Kafka 消息队列、MySQL 调优、分布式系统（跨主机通信）2. 前端开发京东零售考察重点：AI 辅助开发（Vue/React + 页面生成、组件优化）蔚灵科技考察重点：框架通信机制、CSS 布局（Flex）、异步处理（Promise）3. 测试 / 测开OPPO考察重点：AI 生成测试用例的覆盖率优化、结果准确性验证蚂蚁（大模型评测岗）考察重点：RAG 检索、FunctionCall、Playwright MCP、WebSocket/SSE 区别二、非技术岗位AI 产品经理（多家公司）考察重点：SQL / Python 脚本的 AI 生成、自动化提效场景、用伪代码与研发对齐需求三、考察趋势速览实战派公司（允许面试中使用 AI 工具）字节跳动、美团研发派公司（聚焦 AI 编程工具本身开发）阿里（通义灵码）、腾讯（代码智能算法）、开放传神科技四、高频考察问题（供备考参考）实际项目中如何结合 AI Coding 进行优化？如何设计 AI 生成代码的流程与兜底方案？如何处理模型幻觉？如何优化 RAG 分块？有无微调经验？如何对比多个模型的效果？五、备考建议技术岗重点准备真实项目案例，突出 AI 工具带来的优化点以及解决的问题非技术岗突出 AI 提效场景，例如用 AI 生成 SQL / Python 脚本避坑提示：避免只回答“我会用 AI”，要展示问题拆解能力和结果验证方法。

写过熟练掌握 AI 开发、精通框架运用，面试被深挖底层原理瞬间卡壳。空有项目搭建经验，缺乏深度源码理解。面试临场勉强含糊带过，事后立刻精简简历话术，夯实技术基础，拒绝过度美化。