帆软前端一面：项目拷打、BFS 手撕与 AI 代码质量

《面试题目》

1. 简单介绍个人背景（无标准自我介绍环节）。
2. 项目拷打（程度较轻）。
3. 少量八股。
4. 你们怎么保证 AI 生成代码的质量与正确性？
5. 手撕：BFS。
6. 手撕：数组转树。
7. 反问：业务方向是什么？面试流程是怎样的？AI token 会报销吗？

《参考解析》

AI 代码质量怎么答：不要只说”我会 review 一遍”。可以按四层讲：① 给 AI 的输入要收敛——明确目录结构、数据模型、既有代码风格和改动边界，别让它自由发挥；② 产出必须过确定性检查——编译、类型检查、lint、单元测试，能自动发现的问题不用人眼看；③ 关键路径人工 review，重点看边界条件、异常处理、并发与安全，而不是格式；④ 用测试反推正确性——先让它补测试再改代码，或者对修改前后的行为做对比。最后补一句”AI 提升的是产出速度，不改变正确性标准”，这句是加分项。

BFS 手撕注意点：用队列（JS 里用数组 + 头指针或 shift，注意 shift 是 O(n)，数据量大时性能差）。模板是：起点入队并标记已访问 → 循环取队首 → 遍历邻居，未访问的标记后入队。易错点：入队时就标记 visited（出队时标记会导致同一节点被重复入队、复杂度和内存都恶化）、网格/树场景要判空、以及层序输出时要先记录当前层长度。

数组转树：常见做法是用一次遍历建 map（id -> node）再挂父子，复杂度 O(n)。要点：① 先建 map 避免 O(n²) 的嵌套查找；② 遍历时如果 parentId 在 map 里还没出现（乱序数据），要么两遍遍历（先全建节点再挂），要么在处理完后补挂孤儿节点；③ 根节点判定（parentId 为 null/0/不在集合里）；④ 挂载时不要直接改原对象引用导致循环引用。如果输入是「扁平数组 + 每项带 parentId」，也可以用栈模拟，但 map 法最直观。

反问环节：面试官花了十多分钟讲业务（数据处理方向，官网可看）和流程（三面技术 + HR，三面据说更看智商类问题），还提到组里每月 150 的 AI 额度——这类信息值得记下来，因为它反映了团队对 AI 工具的真实投入程度。反问时优先问「这个岗位在前三个月最重要的产出是什么」「团队现在最缺的能力是什么」，比问流程细节更有信息量。