小红书PE产品工程师一面面经
《面试题目》
- 给大家来点不一样的东西
- 1h20min，纯后端简历，我以为投成产品岗了。
- 不过面试官水平很高，收获很大。
- 自我介绍。
- 你对PE这个岗位理解是什么？
- 产品工程师和传统的后端开发岗位区别？
- 你对AI技术的看法是什么？
- 在工作和生活中如何更好与AI共存和使用它？
- 具体展开讲什么场景下会用到Agent协作？
- 使用Agent协作的底层原因？
- 你平时在开发中主要会使用哪些AI？
- Cursor和Claude Code在设计和使用上差异？
- 使用Cursor时会怎样进行编程交互？
- 缓存击穿问题？
- 业界通常有哪些解决方案？
- 发现缓存过期后是每次都拉起一条新线程去更新，还是有其他的控制逻辑？
- 如果出现高并发导致10个请求同时发现缓存逻辑过期，系统会拉起10条更新线程吗？
- 缓存雪崩问题？
- 如何解决或防范？
- 项目利用MQ做了数据补偿，除了MQ来实现最终一致性，还有哪些手段可以实现一致性？
- 详细介绍一下你开发的AI视频解析平台的核心功能和现实业务痛点。
- 你觉得他有哪些产出和现实的收获？
- 项目中用户的鉴权以及Session会话管理具体是怎么做的？
- 项目里用户与会话的数据实体关联关系是怎样的？
- 一个用户是对应单个会话还是多个会话？
- 简单介绍一下你的另一个项目。
- 如果要重构智能生活服务平台，从产品视角出发，你会如何设计让其更加AI Native化？
- 结合现有的GUI工具交互形式，讲讲设计小红书实现的思路？
- 再讲讲有哪些可以与AI深度结合，并移植到平台中提升用户体验的思路？
- 场景题：如果线上突然有大量用户反馈在小红书收藏的笔记找不到了，你会如何排查、响应和处理？
- 代码审查题：阅读给出的JS权限拦截代码，分析其实现的业务功能，指出代码在类型判断和异常控制流上存在的致命缺陷，并给出具体的重构方案。
- 算法：
《参考解析》
- AI产品与 Agent 项目：回答这类问题要先讲清目标用户和业务场景，再说明模型、数据、工作流、评测指标和上线后的真实使用效果。面试官通常更看重你能否把 AI 能力转成可落地的产品闭环，而不是只罗列模型名。
- 进程与线程：进程是资源分配单位，线程是 CPU 调度单位。同一进程内线程共享地址空间和文件句柄，但各自拥有栈和执行上下文；回答时可结合通信方式、上下文切换成本和故障隔离展开。
- 产品设计题：产品设计题不要直接给功能清单，先限定目标用户和场景，再拆需求优先级、关键路径、指标和风险。最后补充 MVP 验证方式，体现你能把想法推进到可度量结果。
- 用户研究：用研回答要覆盖样本选择、访谈或问卷方法、洞察提炼和需求转化。面试官会追问研究结论是否真正影响产品决策，因此最好用指标或后续迭代结果闭环。
- 项目深挖：项目深挖的核心是讲清背景、目标、你的职责、关键决策、难点和结果。遇到追问时优先用数据、取舍理由和复盘说明自己的判断，而不是只描述流程。