蚂蚁AI CODING

题目目标 设计并实现一个集群调度器（Scheduler）+ 模拟器，用于在动态负载和故障条件下平衡：高优作业低延迟集群利用率普通作业公平性场景设定集群包含 M 台同质机器（Machine 0 ~ M-1）作业属性：job_id、priority、resource_num、estimated_timeestimated_time 与真实时长存在误差（约 ±20%）作业类型：普通作业（normal）：每天 08:00 批量提交高优作业（high）：全天随机提交，要求快速响应运行规则（必做）调度与资源占用作业需绑定到足够空闲机器后才能运行运行期间机器被独占作业完成与失败作业可能成功或失败若失败原因是硬件故障：相关机器下线维修 24 小时抢占机制允许抢占运行中的作业被抢占作业回队列等待重试，额外增加约 10 分钟执行成本输出与指标要求（必做）调度器应输出可复盘日志，并至少统计：高优作业平均等待时长 / P95 等待时长集群利用率（时间窗内）普通作业公平性指标（如最长等待、等待方差、饥饿作业数）测试与验收要求（必做）至少完成以下测试：基线对比（与至少 1 个基线策略对比（如 FIFO / 纯优先级））波峰场景(批量普通作业 + 高频高优插队)故障场景抢占场景结果可复现交付物调度器源码模拟器源码与输入样例策略说明（为何这样设计）指标报告与对比图表已知问题与下一步优化加分项自适应策略（根据实时拥塞/故障率动态调参）抢占成本建模更精细多目标优化或可插拔策略框架

1. 实习拷打2. AI Coding 的笔试如果只是人工造 case 去测，你觉得它离生产可交付还差什么人工造 case 只能验证“在已知分布上能不能过样例”，离生产可交付还差三层。第一层是任务边界，要明确输入约束、输出格式、失败语义和回滚策略，不然模型生成的内容没法进入真实工作流。第二层是稳定性，要知道不同仓库规模、不同语言、不同依赖环境下性能会不会抖。第三层是验收能力，必须补静态检查、单测、sandbox 执行、diff 审核和回归评估。没有这些，AI Coding 最多是演示能力，不是工程能力。 def validate_patch(patch, repo_path): if not ...

现在AI发展的越来越迅速，AI Coding对于岗位面试有一定量的帮助，在一些大公司比如美*和京*等公司都有一定量的采用，所以对我们的要求也会越来越严格，以后就业形势也会越来越严峻，蚂蚁的AI Coding笔试对于我来说也是有点难的

1. 提问艺术 (Prompt Engineering)指定角色：“你是一位资深 Java 后端工程师”。明确任务：“编写/重构/解释/优化” + 具体功能描述。设定约束：“不使用第三方库”、“遵循 PEP8 规范”、“添加详细注释”。要求输出：“只输出代码”、“先解释思路再给代码”、“用 Markdown 格式”。2. 上下文管理 (Context)提供报错：直接粘贴完整的 Error Log 或 Stack Trace。相关代码：只粘贴与问题相关的函数/类，避免过长（注意 Token 限制）。数据结构：明确输入/输出的 JSON 结构或数据库 Schema。技术栈：说明版本（如 React...