面灵AI→

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》

  1. 自我介绍。
  2. 用 AI Coding 写一个 JS 错误监控 SDK。
  3. 平时用什么 AI 工具?之前实习里 AI Coding 的情况如何?
  4. 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?
  5. 平时怎么学习 AI?
  6. 介绍简历项目。
  7. 介绍实习经历。
  8. 快排怎么实现?快排和归并排序有什么区别?
  9. AI 误删文件了怎么办?
  10. 项目里的短期记忆和长期记忆怎么做的?
  11. 反问:业务做什么?AI 时代下怎么成长?

《参考解析》

  1. 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。

  2. 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。

  3. 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。

  4. 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」。

  5. 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」。

  6. 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。

  7. 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。

  8. 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。

  9. 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)。