美团AI全栈二面：AI Coding题的建模与多Agent协作框架

《面试题目》

1. 自我介绍。
2. 面试前那道限时两小时的 AI Coding 题：这个系统的核心表怎么设计？测试用例如何设计？状态机如何设计？展示一下你和 AI 对话的过程。
3. 聊一下你在美团的实习亮点，以及是否有转正机会。
4. 在 AI 时代，你怎么看前端和客户端？如何更好地用 AI 去写这两端？写这两端的区别是什么？
5. 你了解多 Agent 协作以及把本地服务暴露给模型的框架吗？
6. 介绍一下你们团队内部和公司内部的全栈推进情况。
7. 看你填的意向 base 是北京和上海，你学校在哪里？家是哪里的？（为了评估来的意向）
8. 反问：面试评价和表现如何？如果通过的话，后续的面试流程是什么？

《参考解析》

AI Coding 题的建模怎么答：这类题的正确答题姿势是「先讲清边界与状态，再讲表」，因为面试官看的是你能不能把开放式需求收敛成可实现的模型。核心表通常三到四张：主体表（业务对象本身，含标识、当前状态、创建与更新时间等）、状态流转记录表（每次状态变更落一条，含 from/to 状态、触发人、触发原因、时间，这是可追溯与重放的基础）、以及关联表/明细表（对象与操作项的多对多关系）。设计要点是：状态字段用枚举而不是布尔堆叠；所有时间字段用同一时区并记录 UTC；关键变更必须有审计记录，否则出问题无法回溯；如果要支持并发操作，主体表上要有乐观锁版本号。讲的时候最好带一句取舍——「我先不做 X，因为 MVP 阶段用不上，等 Y 出现再加」，这比堆表更能体现判断力。

测试用例怎么设计：按「状态机的合法与非法迁移」组织是最贴合这类题的方法。先枚举状态，把状态迁移矩阵画出来：每一个合法的 from→to 各写一条正向用例；每一组不允许的迁移写一条反向用例（期望拒绝且状态不变）；再补边界（初始状态下的操作、终态下的操作、重复触发同一动作的幂等性）、异常路径（依赖失败、超时、权限不足、并发冲突）、以及安全用例（越权操作他人对象）。用例要写成「前置状态 + 操作 + 期望状态 + 期望副作用」的结构化形式，而不是自然语言描述——这样能直接转成自动化测试。还有一条常被忽略但很加分的：每个用例要标记优先级（P0 主干、P1 边界、P2 异常），说明当时间不够时你会先保证哪部分。

状态机怎么设计：先把「状态集合」和「事件集合」分开定义，再定义迁移函数 transition(state, event) -> state | error。工程上三条硬约束：一是迁移表要显式配置（代码或配置中心），不允许在业务逻辑里散落 if state == ... 的判断，否则状态一多必然失控；二是每个迁移都有前置条件与副作用（谁能触发、需要哪些字段非空、触发后要发什么事件），并且副作用要通过事件机制解耦，不要塞在状态变更里；三是并发安全——同一对象的并发操作要么用乐观锁（版本号）让后到者失败重试，要么对对象加锁串行化，否则会出现两个请求都基于旧状态判断合法、结果双写。另外要能说出「为什么不用通用的状态机框架」：简单场景用枚举加迁移表更轻，只有状态和事件都很多（几十个以上）时才值得引入框架。

AI 时代前端与客户端的区别：两者在 AI 辅助开发上的差异来自运行环境与约束。前端跑在浏览器/WebView 里，产物是标准化的 Web 技术，可以即时热更新、可以快速做 A/B、调试靠 DevTools 与 DOM 快照——这使 AI 生成前端代码的验证闭环最短（改完刷新就能看），所以 AI 在前端的提效最直接，主要瓶颈变成「设计还原的审美与一致性」而不是「能不能写出来」。客户端（原生桌面/移动）有原生能力、权限、安装包体积、系统兼容性、以及发版不可控的问题，很多改动要等用户升级，所以 AI 生成代码后还需要真机验证与灰度，验证成本高得多；但客户端能拿到比 Web 更底层的资源（本地文件、音频设备、系统级快捷键、窗口管理），这在实时面试这类场景里是不可替代的。落到「如何更好地用 AI 写这两端」：前端侧重用 AI 做组件生成、样式迭代、单测补齐，用截图比对做验收；客户端侧重用 AI 做平台差异的样板代码、原生桥接胶水层、以及崩溃日志的归因，同时必须配套真机自动化与灰度机制，不能让 AI 生成的代码直上。

把本地服务暴露给模型的框架：这类需求的标准答案是 MCP（Model Context Protocol）——它定义了一套协议，让本机或远端的程序把自身能力（工具、资源、提示模板）以标准方式暴露出来供模型客户端调用，从而把「每个模型客户端 × 每种本地能力」的适配矩阵降成「客户端实现 MCP、能力方实现 MCP Server」。它解决的问题是本地能力接入的标准化：以前要让模型操作本地文件、数据库、浏览器，得为每个客户端写不同的插件；有了 MCP，一次实现多处可用。技术形态上分两类传输——本地进程用标准输入输出（stdio）通信，远程服务用 HTTP/SSE；能力声明用 JSON Schema 描述参数。协作侧的重点是「多 Agent 之间如何共享这些能力」：一般由编排层统一注册工具集并按角色下发子集（最小权限），而不是让每个 Agent 各自去连所有服务；同时要做调用审计与超时控制。被问到不熟时可以诚实说没实际用过，但要能说出它属于哪一类问题、和 Function Calling 的关系（前者是工具接入协议，后者是模型的调用表达机制），并把思路落到「如果没有这套协议，你会怎么自己实现」——面试官更在意你的类比与迁移能力。

base 意向这类问题怎么答：面试官问学校和家在哪，是在评估入职稳定性，不是在查户口。回答要直接给出结论和处理方案：说清自己目前所在地、家庭所在地、以及为什么愿意来这个 base（技术方向、团队、城市发展），如果有异地因素，主动给出你会怎么解决（入职时间、落户、租房安排）。含糊其辞（「哪里都行」）会被解读为意向不明确。

反问环节：可以问团队当前最紧急的技术问题、这个岗位进来后前三个月的重点工作、以及团队的技术栈与协作方式。问「我的表现怎么样」这类问题的价值在于拿到即时反馈，但要注意面试官通常不会透露结果，所以更实际的是问「从今天的交流看，我在哪方面还有明显差距」——这类问法更容易拿到真实反馈。加一个具体的例子会让面试官记住你：比如「刚才那道状态机题我强调了幂等，您觉得在实际业务里这一块最容易出问题的地方是什么」。