面灵AI→

字节前端三面 11.2:AI 小助手的 SSE 渲染、7:3 评测集与低代码拖拽

轮次
三面
时间
2026-11
来源
牛客网

《面试题目》

  1. 介绍一下你负责的 AI 小助手,团队有多少人,你负责什么角色?
  2. 你们做这个有什么用,直接用豆包不行吗?
  3. 这里的 SSE 流式是怎么渲染的?
  4. 你了解 SSE 的哪些标准,都能说一下吗?
  5. 你们做 7:3 评测时有没有具体数据集?
  6. 你说有测试文档,正确答案是谁给的?
  7. 正确答案、干扰项、其他答案的比例是怎么样的?
  8. 确定是这样吗?
  9. 这个 RAG 链路,举三个不同热门产品的例子讲解。
  10. 为什么纯向量检索不行,举个例子。
  11. 假如 7:3 比 6:4 好一点,好的数据块大概是哪些?要具体的评测集并分析原因。
  12. 低代码拖拽怎么做的?
  13. 把一个元素从 A 点移到 B 点要检查哪些条件?
  14. 命令模式优化有什么好处?
  15. 代码:简单题。

《参考解析》

讲清个人贡献:先给一句话定位(比如「我负责流式渲染与评测工具」),再讲团队规模与协作边界,最后用两三个具体动作支撑:做了什么、解决了什么问题、结果如何。面试官反复问「你到底干了啥」,是在排除「项目是团队的、你只是参与者」的情况,回答要区分「我设计的」「我实现的」「我参与的」。

SSE 渲染:服务端返回 text/event-stream,前端用 EventSource 或 fetch 读取流,按 \n\n 切分事件,解析 data: 字段,增量追加到消息内容并触发渲染;Markdown 要增量解析,代码块要等闭合再高亮,滚动要跟随但用户上滑时暂停。要处理连接中断与重连(Last-Event-ID)、取消请求(AbortController)、背压(渲染慢时合并更新)与错误提示。SSE 是单向的,客户端要发消息另走 HTTP。

SSE 标准:媒体类型 text/event-stream,UTF-8 编码;字段有 event(事件名)、data(数据,可多行)、id(事件 ID,用于断线续传)、retry(重连间隔毫秒);以空行分隔事件,以 : 开头的是注释;基于 HTTP 长连接与 chunked 传输,浏览器默认自动重连。不支持二进制,需要二进制时用 base64 或换 WebSocket。

评测集与正确答案:7:3 通常指正负样本比例或训练/评测比例,要先确认面试官指的是哪一个;评测集要说明来源(真实用户问题、人工构造、线上日志)、规模、标注规范与一致性。正确答案由人工标注或权威文档给出,争议样本要双人标注并仲裁;干扰项从相似文档、过期版本、同实体不同属性里构造,比例要写清。被追问「确定是这样吗」时,不确定就说不确定并给出验证方式,不要硬编。

RAG 产品例子:Perplexity 是网页检索加引用,Notion AI 是企业文档检索,GitHub Copilot Chat 是代码库检索;也可以讲客服知识库、法律文书检索。每个例子说清「检索什么、怎么切、怎么排序、怎么引用」,不要只报产品名。

纯向量检索为什么不行:向量擅长语义相似,但对精确关键词、数字、型号、人名、代码符号不敏感;用户问「错误码 1125」时,语义相近的文档可能排前面而真正含该码的文档被漏掉;多跳问题需要组合多个实体,单次向量召回不够;新文档未被索引时也召不回。做法是混合检索(BM25 + 向量)、元数据过滤、rerank、多路召回与查询改写。

低代码拖拽:用 Pointer Events 统一鼠标与触摸,记录起点、偏移与当前坐标;画布坐标要经过缩放与平移的逆变换;移动中做网格吸附、对齐辅助线、边界限制与碰撞检测;根据业务约束判断能否放置(父容器、层级、禁用区域);放下时提交变更,支持撤销重做与多人协同的冲突处理。

命令模式的好处:把一次操作封装成命令对象,包含执行、撤销、重做所需的信息,调用方与具体操作解耦;便于实现撤销栈、宏命令、操作日志与协同编辑的 OT/CRDT 转换;新增操作只需加一个命令类,不用改调用方。代价是命令数量增多、状态管理更复杂。