抖音电商-客户端开发一面

1. 自我介绍2. 团队开发项目，前端技术选型是怎么考虑的？3. 项目通信为什么要用 websocket？心跳保活/断连是怎么实现的4. 心跳包是手写的吗？心跳时间多长？5. 为什么设定 30 秒？6. 在这个过程当中有遇到什么样的一些问题吗7. 项目是单机还是多集群8. 为什么考虑使用虚拟列表做消息渲染？9. 那你知道它具体是怎么实现的吗？10. 你觉得还有什么方式解决这个问题吗？11. 富文本框是你做的吗？12. 你在做这个过程当中也遇到什么样的困难吗？这个是你用的什么样的一个组件?13. 可以，那你讲讲表情包是怎么处理的14. 这个表情包是跟人一一对应的吗?15. 所以是全都共享一个资源池是吗？16. Tab 触发 AI 能简单介绍是怎么实现的吗?17. 用的是什么模型？是自己部署的吗？18. 这个项目你跑一下 lighthouse 看看，说一下每一项怎么解决19. 移动端适配是怎么做的？20. 使用 Tailwind 有没有遇到什么奇怪的问题？21. Tailwind 怎么保证协作开发代码统一性22. React 和 Vue 区别和联系，你自己的使用体验23. React 和 Vue 状态更新原理24. React 和 Vue 事件响应模型25. 有没有看过源码，diff 逻辑是什么26. 有没有了解过不基于虚拟 DOM 的框架27. 写一个节流函数28. 这两年 AI 很火，这块有没有接触过？还是纯在 AI Coding 的时候用 AI 工具？29. 在学校都学什么？怎么想着做前端？30. 学校有开前端课程吗？那你是怎么学的？第二次面试总结：在各个方面的知识还是很薄弱，面试官一深入追问就答不上来了，还要继续学习。

1. 介绍React的hooks（useMemo、useCallback、useEffect、useLayoutEffect）2. 如何用React hooks模拟生命周期？比如组件初始化时的初始化工作怎么做？3. 多人协作开发时，代码管理的流程和冲突解决方式是怎样的？4. 做过的项目中如何做移动端适配？5. 有没有了解过iOS/安卓端的适配差异？6. 项目中做了哪些性能优化？优化的思路是什么？7. 无限层级文件夹管理的懒加载是纯前端渲染控制，还是结合后端接口？树结构的确定时机是怎样的？8. 项目的用户认证是如何实现的？9. 实时文本编辑的同步策略是什么？断网时的内容如何处理？10. WebSocket断联后的重连策略是怎样的？11. 了解过SSE吗？如果用SSE替换项目中的连接机制，该如何实现？12. 项目的权限设计是怎样的（发布者/接单员的权限隔离）？13. 复杂表单的状态管理与校验如何实现？新增动态表单输入项的流程是怎样的？14. 有效的括号（hot100原题 简单）

没什么参考，全部照着实习问，中间穿插八股，然后算法没做出来，给的是一道debug题，不知道怎么做。。 但是面试官很好很耐心，下次还来哈哈哈

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。