小鹏汇天全栈工程师一面：AI Coding 与飞行数据平台设计

《面试题目》

1. 个人背景与实习经历
2. 当前实习与面试安排
3. 课程与实习安排
4. 实习周期与出勤时间
5. API 设计考虑项
6. AI Coding 工具与方法论
7. AI 生成代码的可靠性与高可用保障
8. AI 生成代码的 Code Review
9. 飞行数据管理平台系统设计与性能风险
   • 9.1 对象存储飞行数据管理平台如何做前后端系统设计？
   • 9.2 大量飞行图片连续播放时如何优化前端加载性能？
10. 介绍实习
11. 职业规划与方向选择
12. 大数据相关经验
13. 返校与请假安排
14. 实习城市偏好
15. 反问环节

《参考解析》

1. API 设计这题要按「契约、演进、边界」三层答：契约层说清资源命名与语义（用名词复数、动作用 HTTP 方法或明确的动作端点）、状态码约定、错误结构统一（错误码 + 可读信息 + 追踪 ID）、分页与过滤参数风格；演进层讲兼容性——只增字段不删改、用版本或字段弃用期、客户端要能忽略未知字段；边界层讲鉴权与权限粒度、幂等（写接口用幂等键，支付/提交类必须）、限流与超时、以及大文件走预签名直传而不是穿过后端。能举一个自己改过的接口说清「为什么当初那样设计、后来怎么改」最有说服力。

2. AI Coding 题考的是流程不是工具名：讲清你在哪些环节用它（读陌生代码、生成样板与测试、写脚本、重构）、怎么给它上下文（明确任务边界、给出接口与约束、附上相关文件）、怎么验收（跑测试、小步提交、逐段读 diff）。价值观要说清：AI 产出的是草稿，责任在你。工具名单（Cursor、Copilot、Claude Code 之类）一句话带过就行，面试官不关心你装了几个插件。

3. 「AI 生成代码的可靠性与高可用」要落到工程手段：生成代码最常见的风险是幻觉出来的 API、忽略错误分支、边界条件缺失和隐性并发问题。对应的做法是：依赖的类型与接口必须有出处（能编译、有测试）；异常与超时路径要显式写出来而不是默认成功；并发与共享状态由人审查，关键路径加锁或改成无状态；上线前用静态检查、类型检查、单元测试和小流量灰度把关。可以提 AI 辅助生成测试，但强调关键用例必须人工设计。

4. Code Review 这题要讲清「你会看什么」：对 AI 生成的改动，先看意图与范围是否匹配需求（有没有顺手改了不该改的），再看正确性（边界、错误处理、并发、资源释放），然后看可维护性（命名、职责、是否重复造轮子）和安全（注入、越权、日志泄漏敏感信息）。流程上要求 diff 可读、单次改动小、关键改动带测试，reviewer 不明白就问，不允许「能跑就合」。

5. 对象存储的飞行数据平台，关键是数据面与控制面分开：文件本体放对象存储（按机型/架次/日期分前缀，配生命周期做冷热分层），元数据、索引和权限放关系库或检索服务，两者用对象键关联；上传走预签名 URL 让客户端直传，大文件分片 + 断点续传；下载走 CDN 或预签名地址并做鉴权。要点是别让对象存储承担查询——按时间、架次、标签检索靠元数据服务。同时说明一致性与回收策略：上传完成后再写元数据（或用状态机标记 pending/ready），删除走软删 + 异步清理。

6. 大量图片连续播放的性能问题，瓶颈通常在解码和内存而不是带宽：几个方向可以讲——按显示尺寸生成并加载缩略图，避免整张原图进内存；预加载前后若干帧（而不是全部），播放时用滑动窗口释放远离当前帧的 ImageBitmap，防止内存持续上涨；解码放到 Web Worker 或优先用 createImageBitmap / ImageDecoder 做异步解码，主线程只负责绘制；静态资源上 CDN 并设长效缓存，利用浏览器缓存和 Cache-Control；渲染侧按 requestAnimationFrame 节流，用 canvas 或虚拟列表避免大量 DOM 节点。最后给验证方式：看首帧时间、卡顿率、内存曲线和长任务（Long Task）而不是凭感觉。