想找前端开发的实习，虽然知道形势不好，海投也没有面试，不知道是不是简历的问题，有没有热心人帮忙看一眼，谢谢！

上周我面了字节、阿里、美团的前端岗，都过了。血泪经验总结成一句话：今年面试，懂AI的比懂React的更抢手。字节那轮面试，面试官问了我一个问题："你平时怎么用AI辅助前端开发？"我当时心想，终于到我擅长的领域了。因为我最近一直在研究Cursor做React组件开发，用AI生成TypeScript类型定义，还做过一个基于AI的组件库文档生成工具。结果面试官追问："你用AI生成的组件有做过性能优化吗？怎么保证AI生成的代码没有XSS漏洞？"这两个问题直接把我问住了。AI生成代码是快，但它不懂业务场景，不懂安全边界，更不懂性能调优。这些"后处理&qu...

描述 从听歌流水中找到18-25岁用户在2022年每个月播放次数top 3的周杰伦的歌曲。select*from(selecta.month,row_number() over (partition bya.monthorder bya.play_pv desc,a.song_id) as ranking,a.song_name,a.play_pvfrom(selectmonth(fdate) as month,p1.song_id,song_name,count(p1.user_id) as play_pvfromplay_log p1left join song_info s on p1.song_id = s.song_idleft join user_info u on p1.user_id = u.user_idwhereyear(fdate) = '2022'and age between 18 and 25and s.singer_name = "周杰伦"group bymonth(fdate),p1.song_id,song_name) a) bwhereb.ranking <= 3order byb.month,b.play_pv desc,b.ranking这个需求本质上是在分析特定人群的内容消费偏好，其中“每个月 Top3 的周杰伦歌曲”衡量的是 18–25 岁用户在 2022 年不同月份对周杰伦歌曲的阶段性偏好和热度分布。我会先明确统计口径：人群限定为 18–25 岁用户，时间范围限定为 2022 年，分析对象限定为周杰伦歌曲，统计粒度为“月 + 歌曲”，核心指标为播放次数，并在每个月内按播放次数降序取前 3 名。在计算上，通常会先将播放流水表与歌曲信息表、用户信息表进行关联，筛选出 2022 年内、年龄在 18 到 25 岁之间、且歌手为周杰伦的播放记录；然后按月份和歌曲维度聚合，统计每首歌在当月的播放次数；接着在每个月内部按照播放次数降序进行排序，并通过窗口函数生成名次；最后取每个月排名前 3 的歌曲，得到该人群在各月份的热门周杰伦歌曲榜单。在分析层面，我不会只停留在榜单结果本身，还会进一步观察各月份 Top3 歌曲的稳定性、歌曲更替情况、头部歌曲集中度，以及不同月份之间热度变化的节奏，判断年轻用户对周杰伦歌曲的偏好是更偏长期稳定，还是更受阶段性热点影响。从指标位置上看，这类指标属于内容消费分析中的“播放偏好识别”，更接近内容运营和用户兴趣洞察，而不是传统转化漏斗前端指标。它回答的核心问题不是用户有没有来，而是用户来了之后更偏好消费什么内容。在输出层面，我会基于结果进一步形成业务结论，比如识别哪些歌曲具备持续性的年轻用户吸引力，哪些歌曲只在个别月份短期冲高，整体偏好是否集中在少数经典曲目上，以及不同月份的内容偏好是否存在明显波动。最终再将这些结论转化为关键动作，例如在推荐和歌单运营中优先强化高稳定性热门歌曲，对阶段性热度上升的歌曲结合节日、话题或活动做专题运营，同时结合月份变化和人群特征优化内容分发策略，以提升目标用户的播放深度和内容消费效率。

面试官很和善，引导的很好，技术理解的题答不出来会讲解然后跳过，感谢1.主要拷打项目和实习工作时的主观能动性，比如为了解决什么样的问题或者需求做的，工作时对项目的整体架构探索和需求背景的了解；2.提问hook和工具函数的区别，只从复用角度为什么还要用的自定义hook而不是封装成工具函数；3.前端框架的意义；4.diff和如何降低多叉树复杂度；5.找出无序数组的连续区间（思路有但没写出来，刷题刷傻了，想复杂了）；6.如何使用ai工具，使用哪些编译器，项目编译前后分别是什么；7.vite，webpack如何配置；总之考察思维和开放题为主。收获：提升了自信，以及还是要提升解决问题的能力，不能一味刷八股...