面灵AI→

晶盛机电 C++ 开发主管 + HR 面:印象最深的 bug、模型选型依据与「为什么只拆两个 Agent」

轮次
主管面 + HR面
时间
2026-10
来源
牛客网

《面试题目》

  1. 举一个你修过的印象最深的 bug,讲讲过程和思路。
  2. 无人机值守项目里的 AI 模型是你自己搭的吗?怎么选的 SCRFD500M,对比依据是什么?
  3. 识别耗时多久?这是实验室项目还是实际落地的?
  4. SQLite 是选型选出来的还是顺手用的?轻量化体现在哪?数据量多大?存的是什么?
  5. 双 Agent 工作流从 0 到 1 怎么搭起来的?
  6. 写测试用例的标准是什么?
  7. 这套流程对效率提升大概多少?你在里面具体做了哪些工作?
  8. 为什么要分两个 Agent?遇到过什么困难?
  9. 既然能拆两个,为什么不继续拆成三个四个?易用性、泛用性这些为什么不也交给 Agent?
  10. 单元测试更偏向发现新 bug 还是回归测试?

《参考解析》

「印象最深的 bug」要选有排查层次的,讲法按「现象 → 复现 → 缩小范围 → 定位根因 → 修复 → 防复发」:好例子是并发下的偶发崩溃(用日志与 core dump 定位到无锁队列的 ABA)、或只在客户现场出现的时序问题(用示波器 / 抓包定位)。避免选「拼写错误」这类无过程的 bug。

模型选型要给出可比较的维度:SCRFD 系列是轻量人脸检测(不同宽度与深度对应 500M / 2.5G / 10G 等 FLOPs 档位),选择依据应是「目标场景的人脸尺寸分布 + 端侧算力预算 + 精度要求」三者取交集,并给出对比实验(几个候选在自建验证集上的 mAP / 召回与实测推理耗时)。被追问「对比依据」时,能说出「在什么设备上、什么输入分辨率下、用了多少张验证图」才算数,只说「网上说它效果好」会立刻被识破。

SQLite 的轻量化体现在:单文件、无需独立服务进程、零配置、SQL 引擎与库一起编译进程序、事务靠文件锁;适合端侧 / 单机小数据量与强一致的小事务,不适合高并发写。数据量级要能报出来(行数、日增、库文件大小、查询模式),并说明为什么不选 MySQL 或本地文件(需要 SQL 查询与事务、但不想维护服务)。

「为什么不继续拆成三个四个 Agent」是这套方案最关键的追问,正确答案是权衡:拆得越多,每个 agent 的上下文越窄、决策越清晰,但每次交接都要付信息损耗(谁负责什么、交接格式、失败回滚),调试与成本也线性增长;划分的依据应该是「职责边界是否稳定、交接的信息能否被明确表达」,而不是「越细越好」。易用性、泛用性这类主观判断更适合留在人这里定规则,交给 agent 反而不可控。

单元测试偏发现新 bug 还是回归:两者都有,但工程上主要价值在回归——固定住已有行为,让重构与新增不破坏旧逻辑;能发现新 bug 的是「用例设计阶段」(边界、异常、并发),不是跑单测本身。这个区分答清楚,说明你真的写过单测而不是背概念。