广联达 C++ 一面:系统层与应用层的差别、AI 辅助编程与三维业务
- 轮次
- 一面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
开场与经历
- 请先简单介绍一下你自己。
- 这几段经历是实习还是工作?
- 你之前的从业经历里,好像还没有太用过 C++?
- 用 C 的开发,除了驱动还有哪些内容?
- 这些经历和项目里,哪一段挑战最大、最难突破?
- 遇到全新领域、自己没掌握的知识,你的应对思路是什么?比如新入职一个 C++ 岗,语言特性和你之前用的都不一样。
系统层与应用层
- 偏系统层的开发,在难度上和应用层开发有什么区别?
- 除了背景知识的差异,开发层面本身有大的区别吗?
AI 辅助编程
- AI 产出的代码、以及它对你编程的辅助,现在对你来说处于什么状态?
- 接触过 OpenSpec、SuperPower 这一类 Spec 编程模式吗?
- 你刚才这套流程里,用过 ask、plan 这类模式吗?
- 有没有拿这些工具做过你自己感兴趣的项目?
技术广度
- 有接触过三维领域吗?
- 有做过 CAD 研发,或者三维开发、模型开发这类工作吗?
- 做过数据库相关的工作吗?
- 什么时候该上数据库,什么时候用文件就够?
反问
- 贵司做 3D 相关的工作,主要是开发三维程序吗?这个岗位具体做什么?
- 除了算法和多模态,还会用到哪些技术或工具?听说用到 QT?
- 贵司在西安的办公地点在哪个区域?
《参考解析》
系统层与应用层的差别:帖主的回答抓到了要害——难点主要在「背景知识的获取成本」。系统层(自研 OS 的功能扩展、内核模块)没有公开文档或文档滞后,只能读源码和头文件;应用层文档、示例、社区都齐全。更完整的答法可以再补三点:一是可观测性差,内核里出问题没有断点和日志,只能靠 printk、ftrace、crash 转储;二是错误代价不同,应用层崩一个进程,内核里一个空指针就是整机 panic;三是调试与验证方式不同,内核要交叉编译、烧板、串口,迭代周期以分钟计,应用层本地就能热重载。
编程范式差异:C 面向过程,没有类与继承,模块化靠「结构体 + 函数指针表」手工模拟(内核里的 file_operations 就是典型);资源管理靠成对的 init/exit 与 goto 清理链,没有 RAII 和析构。C++ 有 RAII、模板、虚函数,抽象成本低,但也要知道它并非全零开销(虚表、异常、模板膨胀)。真正做过底层的人能说出「C 里怎么用手工模拟多态」,这比背概念有说服力。
C 的使用场景:驱动、内核模块、Bootloader、RTOS 任务、裸机嵌入式、协议栈、高性能中间件。帖主区分了「驱动」与「裸机嵌入式」:驱动底下已经有内核提供的执行环境,裸机要自己处理启动汇编、链接脚本、时钟与外设初始化。这个区分是对的,也说明他真做过。
AI 辅助编程的演进:帖主讲了一条清晰的时间线——2024 年底对话式单模块助手(给想法、拿代码、自己适配),到 2025 年底 Agent 形态(桌面端、命令行,能自己读文件跑命令),再到 2026 年中的「先写 Plan、人审、再逐步实现」的流程。这套流程的关键不是工具,而是把「需求 → 计划 → 分步实现 → 每步审查」固化下来:模型写计划书会把隐含假设摊开,人一眼能看出哪里不符合现有项目。可以补一句风险:Agent 生成的代码要能编译、能跑测试、能回滚,审查点放在接口边界和错误处理上。
Spec 编程:Spec-driven development 的思路是先把「要做什么、验收标准是什么」写成结构化规格(通常是 Markdown 或 YAML),再让模型按规格生成实现与测试。OpenSpec、SuperPower 这类工具做的是规格模板、任务拆分与执行编排。帖主如实说「装过、用过,没深入」,这比硬吹更安全;如果被追问,可以讲清楚它解决的问题:把「提示词里说不清的需求」变成可评审的文档,减少返工。
三维与 CAD 的接触程度:没有就是没有,但要给出「能迁移的能力」——图形学基础(坐标变换、渲染管线)、C++ 工程能力、性能优化经验。广联达的业务是把设计院的二维 CAD 图纸转成三维模型并算量(墙长、混凝土、钢筋、窗户数量),技术上涉及几何内核、图纸识别(选中两根线识别所有墙)、PDF/图片图纸的多模态逆向建模。提前了解这些业务背景,反问时能问到点上。
什么时候该上数据库:帖主的判断维度是数据量、可靠性、查询复杂度,方向正确。可以再结构化一些:数据量(几十万行以上、需要按条件检索而不是全量加载)、并发(多进程/多机同时读写)、一致性(需要事务、崩溃恢复)、查询复杂度(多条件组合、聚合、join)、运维(备份、扩容、审计)。文件适合配置、日志、一次性导入导出、单机小数据;一旦出现「多写者 + 需要按索引查 + 不能丢」这三条中的两条,就该上数据库。过渡路径通常是 SQLite 起步,再换 MySQL/PostgreSQL。
最难的一段经历怎么讲:帖主选的是第一段自研 OS 项目(无公开文档、内部文档老旧,只能读源码,花了两个月摸清流程),讲清楚了「难在哪、怎么破、花了多久、之后有什么变化」。这类问题的评分点是「困难的客观性」和「方法的可复用性」,而不是困难本身有多惨。可以在结尾补一句沉淀:后来把读源码的路径整理成了文档/笔记,第二段内核项目只用了很短时间。
面对全新领域的学习路径:帖主给了两条:不用 AI 时先界定问题范围、自己查资料,再找派任务的人对齐背景,最后找同岗位前辈;用 AI 时先问模型,概念晦涩再找同事用比喻翻译。这个回答的优点是承认「问人」是合理手段。可以再补「最小可运行验证」:先写一个 hello world 级别的 demo 把链路跑通,再逐步加复杂度,避免在文档里空转。