vast 后端开发一面面经

《面试题目》

1. 自我介绍。
2. 寻找新实习的原因和期望是什么？
3. 职业发展预期是什么？更喜欢做哪一块？
4. 介绍腾讯这段实习经历，你负责什么？
5. 在这段实习里解决了哪些问题？达到什么效果？
6. 问题定位除了加监控告警，还了解哪些形式？
7. 监控 Agent 具体分析问题的效果怎么样？
8. 你认为一个需求“做好”的标准是什么？
9. 加了这么多告警，Agent 能不能用这份数据？分析完能把上下文都加载进去吗？
10. 全链路可观测落地是怎么做的？
11. Go 语言不好埋点的原因是什么？第三方库无法支持吗？
12. 你用 AI 分析耗时等模块，这块怎么做的？怎么把上下文喂给它？
13. 工作流程是怎样的？使用自动化开发平台遇到过什么问题？
14. 假设用 Codex 开发，如何组织你的工作流？
15. 你认为哪家模型效果最好？
16. 实习期间写过 Skill 吗？
17. 如果 AI 给你一份质量不佳的代码，你怎么识别？
18. 看过哪些资料、书、网站或博客？
19. 实习期间 mentor 对你有什么反馈？
20. 平常自学了什么？
21. Go Frame 是 HTTP 还是 gRPC 框架？
22. 博客里有没有记录印象比较深刻的问题？
23. 讲讲学习期间遇到的问题，怎么解决的？
24. 现在让你解决这个问题，有没有更快的定位方式？
25. 平常怎么跟进 AI 进展？
26. 在腾讯有没有看过印象深刻的文章？
27. 分享用过的 Skill、MCP 或 AI 工具。
28. K8s Deployment 里 request 和 limit 主要影响什么？
29. 如果希望一个服务只运行在指定节点池，并限制其他工作负载跑上去，怎么配置？
30. 反问。

《参考解析》

可观测性要覆盖 metrics、logs、traces 三类信号，并能从告警下钻到具体请求。问题定位除了告警，还可以做链路追踪、异常聚类、火焰图、eBPF、变更关联和业务指标对比。监控 Agent 的价值在于把多源信号聚合成可读的结论，但要给它足够的上下文（服务、时间窗、变更记录、上下游），否则只能产出泛泛的描述。

Go 埋点的难点在于缺少统一的 AOP/字节码增强，第三方库不会主动上报，需要靠 middleware、context 传递和包装客户端；可以用 OpenTelemetry 的 SDK 手动埋点，或在框架层统一拦截。AI 分析耗时模块时，把 trace、日志、指标和代码变更一起喂给模型，让它先归因再给验证步骤，最后人工确认。

K8s 调度：request 影响调度时的资源预留，limit 影响运行时上限；CPU 超 limit 会被限流，内存超 limit 会被 OOMKill。要让服务只跑在指定节点池，给节点打 taint、给 Pod 配 tolerations 和 nodeSelector/affinity；要限制其他工作负载跑上去，用 taint 加 toleration 的组合，或配 ResourceQuota、LimitRange 和准入控制。