字节aidp部门前端一面凉经

3.19一面，面试结束5分钟后约二面3.23二面，3.30约三面4.2三面，晚上通知约hr面4.3hr面，4.7oc求同在北京字节实习的友友

字节跳动-前端实习-一面大概面了50min1.介绍下自己2.拷打项目（为什么做这个+需求评审+产品思维+技术实现）3.浏览器存储（localStorage，sessionStorage，indexDB）4.JWT token + 双token刷新（并发请求、登录态管理、持久化、鉴权）5.Promise原理6.js事件循环7.怎么封装的axios、wx.request，为什么要封装？8.为什么选用TDesign？给TDesign做了什么开源贡献？9.后端是你做的吗？大概说一下后端相关的流程（结合项目）。10.微信登录怎么实现的？介绍下流程11.GitHub Actions做了哪些CI/CD，怎么做的？12.代码题：并发函数batchTask（task[], num）13.反问：业务介绍，对我职业规划建议其实前面问的还算比较简单的，基本上就是从项目来问你的实现和拷打八股（我八股其实没有背完，可能是运气好没问到我不会的）代码题确实也简单，但是这玩意儿跟数学一样，不会就是不会。。磨蹭了半天面试官给了提示，还是没写出来（面试官人真的很nice，体验不错）一个小时之后hr通知通过了，约了二面时间，求二面面经

面了70分钟，完完全全的道心破碎，拼尽全力仍然没有战胜字节二面1、什么是视觉问答2、介绍一下项目3、组件封装这个过程中你做了哪些沉淀4、UI还原是怎么做的，纯靠观察吗5、实习的过程中有没有主动发现问题并解决6、你做的功能拓展有没有带来开发负担7、样式的一键切换怎么做的8、开放思维题：有一个粗细不均匀的绳子，燃烧需要一个小时，现在有两个绳子，如果衡量45分钟9、从url到页面渲染发生了什么10、tcp为什么需要三次握手11、为什么要使用rag+微调的手段coding输入一个url，获取所有的参数，自己设计测试样例，自己考虑边界，写一个健壮的代码相关提问：参数是undefined，会输出什么？如果...

好难，分享面经攒人品。· 在Agent知识闭环中，如何设计决定哪些信息进入向量数据库（长期记忆）、哪些进入上下文窗口（短期记忆）、哪些直接转化为模型权重的元记忆？· 当对话轮数较多且上下文窗口严重不足时，如何在不丢失初始Attention Sink的前提下保持生成的连贯性？· 详细讲讲你设计的Agent是如何实现的？在“推理-行动”循环中，如何设计来纠正逻辑塌缩或无效工具调用？· MCP与传统Agent Skills的区别是什么？如何实现在多智能体环境中动态发现并注册跨协议工具？· 在电商或导购场景下，用户的请求往往高度模糊，Agent如何精准理解这种需求？· 如何设计一套“主动澄清”决策逻辑？什么情况下Agent应该反问用户，什么情况下应该结合历史画像强行推断？· 针对包含3个以上工具调用且高频请求的任务，通过什么方式可以压低系统整体的端到端延迟？· 如何衡量Agent的Planning能力 vs Hallucination Rate？请列举具体的量化评估指标或自动化评估框架。· 在多Agent协作系统中，不同Agent之间的记忆如何实现隔离与共享？如何避免不同工具间的上下文污染？· Token过长导致的Attention稀释现象为什么会导致Agent的指令遵循能力下降？· 摘要总结往往会丢失关键细节，在长文本Agent中一般怎么处理这一块？· 当候选工具超过100个时，如何设计路由策略？怎么解决检索过程中的召回偏差？· 在Agent多轮对话任务中，标准Attention机制的平方复杂度在工程落地主要引发了哪些问题？· 目前有哪些机制可以缓解模型在上下文对话里的“信息遗忘”现象？当对话轮数很多、上下文窗口不够时，有哪些处理策略？· 为什么在复杂的Agent闭环场景中，仅靠RAG无法彻底解决幻觉问题？模型幻觉在电商这种强事实性场景里怎么治理？这个问题很现实。比如用户咨询某款运动鞋：“这款鞋参加今晚的‘满300减50’活动吗？”如果模型产生幻觉，随口答复，而实际该品牌属于不参加活动的黑名单商家。一旦用户下单后发现没减钱，就会产生大规模的退货和客诉。· 面对模型在Agent执行过程中出现的循环调用或陷入思维死循环问题，有哪些解决方法？· GraphRAG在处理Agent复杂关联查询时的优势在哪里？· 任务执行远大于单次Token限制时，如何设计以支持断点继续生成？· 设计一个智能导购助手Agent？描述其感知、规划、记忆和执行四大模块在分布式架构下的协同逻辑。