美团前端一面

4.2 一面 聊了快2h面试前半小时给你发邮件说有AI Coding的部分考察面试过程紧扣简历AI Coding题目是从面试者简历GitHub仓库中clone的，要求根据面试官需求添加或者修改模块。问题分为几个大类：本人简历相关：微信推文自动化agent的改进，miniclaude相关代码细节、微信小程序相关（这个我都没写进简历里，是面试官进我GitHub页面里看到的）agent原理机制：包括任务系统、subagent管理、skill、团队协议实现、context管理、持久化、长程任务agent实现现实业务中的agent实现：如何控制agent达到想要的结果？如果对llm或者agent做评测可以怎么做？agent执行成功或失败的反馈机制八股：前端框架了解程度（实话实说只会一点，不是非常了解）后端sql相关总的来说聊得非常深入，可能是我简历里对agent非常深入，面试官问了大概一小时agent，半小时前端+后端，剩下的时间是ai Coding细节➕聊天，主要看你面对未知任务的时候如何利用AI开发后续一面秒过，当天晚上收到二面通知

真挺纠结的，求求各位佬帮忙分析分析，说说自己的看法，好人有好报呜呜【Offer1】公司：美团岗位：商业分析-经营分析薪资：280/天优缺点：美团商分title大，培养似乎很不错，利于校招找商分岗开水，无房补，日常实习【Offer2】公司：京东岗位：金融科技-信贷数据分析（岗位挂的产品运营）薪资：7k/月，1500房补，20/天餐补优缺点：实习薪资充裕点，好活下来，是jdy但招聘时说有转正机会，担心校招不好就业别的公司，信贷真的好做吗ios：楼主想知道两份实习对秋招的含金量如何，选哪一份钱多有米，未来的职业发展路径会不会太局限了。

我在携程做前端已经八年了，这些年从一线开发成长到负责新人带教，见过太多刚走出校园、踏入职场的弟弟妹妹，也真切感受到，企业需要的学生，从来不是“只会做题”的学霸，而是有主动思考、愿意试错、能快速成长的潜力股。这些年带过的新人里，有零基础转行来的，有科班出身但缺乏实战经验的，也有想在前端领域深耕、补齐业务认知的。印象特别深的是一个刚毕业的新人，他刚入职时连复杂项目的结构都不会组织，写代码也只追求“能运行”，忽略了性能和可维护性。我没有直接给他写好代码模板，而是让他先沉下心，去研究公司内部的项目规范，试着从零搭建一个简单的业务demo，从基础的工程化配置学起。后来我发现，他慢慢养成了主动思考的习惯——做一个功能时，会主动纠结是用服务端渲染还是客户端渲染，会自己查资料、对比不同方案的优劣，甚至会结合我们国际火车票部门的业务场景，分析哪种方案更适配全球用户的使用需求。遇到问题时，不再是第一时间找我要答案，而是先自己拆解问题、尝试解决，实在卡壳了，会带着自己的思路来请教。这种从“被动接受”到“主动探索”的转变，比我直接教他一百行代码，更有意义。在携程带新人，我一直有个习惯：不直接给解决方案。有新人卡在工程化配置上，比如webpack打包优化遇到瓶颈，我不会直接告诉他怎么改配置，而是先问他：你想实现什么效果？当前的业务场景有什么特点？有没有更轻量化的工具可以替代？引导他自己把问题拆解开，找到核心痛点，再去寻找解决方案。久而久之，我带过的新人，不仅能独立解决技术问题，更能养成“先分析需求、再选择技术”的思维，而这种思维，正是职场中最核心的能力。这些年，也有很多新人给过我惊喜。有个刚入职的小姑娘，做火车站点查询功能优化时，主动用AI辅助开发，但她从来不是无脑复制AI生成的代码，而是会逐行检查、优化，甚至会结合我们的业务逻辑，修正AI给出的不合理方案。更难得的是，她还把自己遇到的AI使用误区、常见错误模式整理成文档，分享给团队里的其他新人。这种不盲从工具、保持批判性思维、乐于分享的态度，我觉得比单纯的技术能力更可贵。八年的携程工作，不仅让我在技术上不断沉淀，更让我在带教新人的过程中，重新理解了“成长”的意义。携程从来不是一个“养懒人”的平台，这里给每一个新人足够的试错空间和成长机会——不会因为你是新人就否定你的想法，也不会因为你犯错就指责你，反而会鼓励你大胆尝试、主动探索。公司的扁平化管理，让新人也能和资深前辈平等交流，有任何疑问都可以大胆提出；携程大学的丰富学习资源，能让新人快速补齐技术和业务短板，快速融入职场。作为一个在携程深耕八年的老员工，我也想给准备进入前端领域、即将踏入职场的同学们说几句心里话：别怕自己是新手，别怕问看起来“很笨”的问题，职场和校园最大的区别，从来不是“会不会”，而是“愿不愿学、愿不愿思考”。企业真正需要的，从来不是完美无缺的学生，而是有好奇心、有责任心、能主动解决问题的人。

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。