字节跳动 客户端基础技术 一面：TTU 打点与 Agent 评测量化

《面试题目》

1. TTU 为什么选取路由进入作为开始打点时间？
2. TTU 和 TTI 的区别是什么？TTU 的必要性在哪里？
3. TTU 优化的量化数据是多少？
4. Agent 评测相关：原帖只记录「那一堆东西，和其他面试问的点差不多」，未给出具体题面。

《参考解析》

TTU 从路由进入开始打点，是因为用户的时间感知从「点下去」就开始了。 在 SPA 里，点击入口触发的是路由切换，随后才是代码加载、数据请求、渲染和 hydration；如果从首屏渲染或 load 事件才开始计时，就把用户盯着空白页等待的那段漏掉了，也无法横向比较不同入口的体验。打点要明确 start 和 end 两个事件：start 取路由进入或可交互元素点击，end 取「首屏关键内容可见且关键操作可响应」，而不是图片全部加载完。还要处理缓存命中、预取、返回上一页这些分支，否则同一个页面的样本口径不一致，数据没法用。工程上通常把 TTU 拆成几个子阶段（路由解析、请求、渲染、可交互），这样优化时才知道该动哪一段。

TTU 和 TTI 的区别在「可用」的定义。 TTI 是实验室指标，衡量页面加载后主线程安静下来、能稳定响应输入的时间点，关注长任务和 JS 执行；TTU 是用户与业务口径，关注「用户想做的事能不能做成」，包含数据到位、关键按钮可点、骨架屏撤掉。TTI 绿而 TTU 差很常见：接口慢、hydration 没完成、按钮绑事件晚、首屏只有骨架。TTU 的必要性在于它把性能锚定到业务转化，但代价是定义复杂、跨页面不可直接比较，所以实践中常用 TTU 做业务北极星，用 TTI、FCP、LCP、长任务做诊断分解。回答时要点明两者的测量对象不同：一个测主线程可交互，一个测用户任务可完成。

量化要给出分布、对照和样本量，性能与 Agent 评测是同一种方法论。 口径上，RUM 埋点取 p50、p75、p95，按页面、机型、网络、版本、入口分层；对照上，用优化前后同口径对比或灰度 A/B，控制缓存、预取、样本结构这些变量。同时看护栏指标：错误率、交互成功率、跳出率，避免为了压 TTU 把内容延后渲染导致用户点不到。汇报时最好说清「哪个分位改善了、改善了多少毫秒、影响了多少比例的请求」，只报均值会被长尾掩盖。Agent 评测同理，先把「任务成功」定义成可判定的标准：结果正确、引用可追溯、格式合规、无副作用，再拆 trajectory 指标，包括工具选择正确率、参数合法率、平均步数、超时与重试率、失败恢复率。离线用固定回归集覆盖正常、信息不足、工具异常、多跳等场景，线上用抽样人工评审校准 LLM Judge，并报告 Judge 与人工的一致率；做消融证明增益来自哪里，给基线、样本量和置信区间，否则「提升 20%」很可能只是样本波动或评测集泄漏。