腾讯前端三面面经

两道手撕 1.实现promise.race2.给定一个平铺的数组，每个元素是一个对象，包含 `id`、`name` 和 `parentId` 属性。请编写一个函数 `arrayToTree`，将这个平铺数组转换为树形结构。说明：1.根节点的 `parentId` 为 `null`2.每个节点可以有多个子节点，子节点通             过 `children` 数组存储八股部分：1.css盒模型2.BFC的理解及创建的条件3.vue2和vue3响应式数据的原理4.浏览器事件循环（同步任务，promise.then,settimeout执行顺序）项目就问了一个SSE和WebSocket，为什么要用SSE？感觉寄了

面经面试时间：1月份，日常实习，部门是国际化（还挺想去的，最后一面挂了（一）项目实践与工程化类实习中挑一个最有挑战的经历介绍性能优化的具体落地动作（资源加载、渲染、运行阶段）？如何量化优化效果？（简历有提到如何理解 CDN？哪些资源适合放 CDN、哪些不适合？是否了解 CDN 动态加速？（简历有提到CDN虚拟列表的实现逻辑、核心优势（简历有提到AI 提效（cursor rules）的具体实践？（简历有提到skills 与rules 的核心区别是什么？(当时没回答好大模型与 2020 年前传统模型的本质区别？催生大模型出现的核心原因？（没回答好，扯到transformer前端开发中常用的设计模式...

AI基础知识大模型基础核心概念：LLM（大语言模型）、Token、上下文窗口、Embedding、微调（Fine-tuning）、提示工程（Prompt Engineering）。关键能力：文本生成、代码生成、多模态理解（文生图 / 文生视频）、知识问答。前端视角：如何通过 API 调用模型、如何处理流式输出（SSE/WebSocket）、如何优化 Token 消耗。Agent 与 RAGAgent：能自主规划、调用工具、完成复杂任务的 AI 实体（如 Coze 扣子、TRAE）。RAG（检索增强生成）：结合私有知识库，让大模型回答更精准、可控。前端视角：如何设计 Agent 交互界面、如何展示 RAG 检索过程、如何做多轮对话管理。多模态 AI核心：文本、图像、音频、视频的融合生成与理解（如剪映的 AI 生成、实时交互）。前端视角：Canvas/WebGL 渲染、WebRTC 实时流、WebGPU 加速、多模态内容预览与编辑。

“同学，你简历上这个‘互联网+’金奖很有分量啊！” “哇，ACM区域赛银牌，技术底子肯定很扎实！” …… 这样的赞美，我在大二、大三的时候听过无数次。那时候，我和身边许多同学一样，坚信一条“真理”：竞赛拿奖=好Offer。于是，我们逃课打比赛，熬夜写本子，为了一个省奖争得面红耳赤。简历上密密麻麻的获奖经历，曾是我们最大的底气。然而，站在2026年春招的尾巴上，回望过去半年的求职路，我却想泼一盆冷水：大学生多竞赛，真的就更好就业吗？答案可能并不像你想的那么简单。竞赛光环下的“虚火”不可否认，竞赛确实能证明一个人的学习能力、团队协作精神和抗压能力。在简历初筛阶段，尤其是面对大厂的技术岗或产品岗时，...