智行者校招一面:AI Coding、JS 错误监控 SDK 与快排
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- 自我介绍。
- 用 AI Coding 写一个 JS 错误监控 SDK。
- 平时用什么 AI 工具?之前实习里 AI Coding 的情况如何?
- 用大模型做需求时碰到过最大的痛点是什么?有没有碰到过一个模型没发现的问题、换一个模型就解决了?
- 平时怎么学习 AI?
- 介绍简历项目。
- 介绍实习经历。
- 快排怎么实现?快排和归并排序有什么区别?
- AI 误删文件了怎么办?
- 项目里的短期记忆和长期记忆怎么做的?
- 反问:业务做什么?AI 时代下怎么成长?
《参考解析》
-
JS 错误监控 SDK:核心是三块——采集、上报、还原。采集上监听
window.onerror和unhandledrejection拿运行时错误,重写XMLHttpRequest和fetch拿接口异常,补console.error和资源加载失败;上报用navigator.sendBeacon或图片打点保证页面关闭也能发出,做采样、批量、失败重试;还原靠 sourcemap 把压缩后的行列号映射回源码。加分点是错误去重、限流、以及带上用户路径与页面状态。 -
AI 工具与实习情况:讲清楚具体用它做了什么、省了什么、哪里需要人工兜底。泛泛说「经常用 Copilot」没有信息量,说「用它批量改测试用例,生成后自己逐条核对断言」才有。
-
最大的痛点:典型答案是模型不了解项目里的隐性约定,生成的代码能跑但不符合现有结构,或者它会自信地编造不存在的 API。解法是把上下文喂足(相关文件、类型定义、既有实现),并把任务拆小、每步验证。
-
换模型解决问题:可以讲同一个问题在不同模型上的差异——一个模型陷在错误假设里反复修补,换一个模型重新读上下文后指出了根因。要点是「不是模型更强,而是它的先验不同,换一个视角能跳出局部最优」。
-
怎么学 AI:跟着官方文档和 release note 走,动手做小项目验证,读开源实现,关注评测而不是只看宣传。要给出具体信息源,不要只说「看公众号」。
-
快排:选基准,把数组分成小于和大于基准的两部分,递归处理;平均 O(n log n),最坏 O(n²)(已排序且取首元素为基准时),空间 O(log n) 递归栈。优化手段是随机基准、三数取中、小区间改用插入排序、三路划分处理大量重复元素。
-
快排与归并:快排是先划分再递归,原地排序但不安定,平均更快、常数小;归并是先递归再合并,需要额外 O(n) 空间,稳定,适合链表和外部排序。快排对缓存友好,归并在数据量大且要求稳定时更合适。
-
AI 误删文件:先止损——停掉正在跑的任务,确认有没有备份和版本控制;能用
git reflog、快照、回收站恢复就先恢复;恢复不了就从备份重建。工程上的预防是给 AI 的操作加沙箱和版本控制,危险操作前先提交一次,让它只能在工作副本上动手。 -
短期与长期记忆:短期记忆是当前会话的上下文窗口,包含最近几轮对话、当前任务状态、工具结果,通常做裁剪和摘要;长期记忆是跨会话的用户偏好、历史结论、领域知识,存在向量库或结构化表里,按相关性检索后注入。要讲清楚写入时机(什么值得记)、检索策略(怎么找回来)和遗忘策略(什么时候删)。