记录一下，盛大旗下一个做 deep research 的子公司，agent / 全栈方向，三轮面下来的过程。
先交代下背景。我今年应届，毕业五个月。读书的时候有三段实习：智慧芽（苏州做专利数据库那家，在算法组做 AI 对话、PDF 问答，也写过前端中台）、西湖大学（做 AI 应用，多模型组织起来生成论文综述那种）、商汤（给内部算法团队做大模型测试平台，多模态问答的量化评测）。毕业后没去大厂，进了一家小公司，前端身份入职，但基本啥都干了——写过一两个月前端，做过销售（自己主动跟老板说要去合肥、江苏见客户、进工厂理解需求），还干过技术支持、后端、算法，C# 写过 VS 的代码插件，Rust 写过企业连接器，Python 也搞过。对自己的要求就是不设边界。
代码 90% 以上是 AI 写的，平时会把工作和自己感兴趣的东西沉淀成开源项目和博客。GitHub 在这： https://github.com/tt-a1i ，掘金在这： https://juejin.cn/user/2175258804632332 。开源基本都是 AI coding agent 这个方向的，archify 、hive 、MiroFish 本地版那些（ MiroFish 本地版就是这次二面、三面的任务，我后面会讲）。
本来是冲着 AI 用得溜去面的，结果一面差点把我自信心干没了。发出来给同样靠 AI 、做全栈或者 agent 方向的兄弟当个镜子。三轮下来我最大的感受是：AI 用得再溜没用，凡是 AI 写的、或者沿用别人的，面试官一句「为什么」就能把你问到说不出话。
岗位本来投的 React Native ，面试官看了简历直接改全栈面。40 分钟没考算法没问八股，全程顺着我简历往死里追问，最后还来了道纯手写题。后来我才反应过来，他全程就想确认一件事：这些东西到底是我懂，还是 AI 懂。
第一个翻车的是技术选型。他问我后端写 C# 又写 Rust ，自己开公司选哪个，我张口就「选 Rust 」，类型安全内存安全对 AI 友好（能编译过线上基本不报语法错误）……讲得挺顺。然后他来了句：
你有没有发现，我问这个问题的时候根本没问你要做什么业务，你就直接给我 Rust 这个答案？
当场被点醒，选型脱离业务场景纯属耍流氓。后面还补刀「你想过自己开公司 Rust 不好招人吗」，我只能认怂。
然后是 gRPC ，连环追问，我全军覆没：
最后这句基本是自爆。一个「为什么高」答不上，一个「为什么选」说不清，直接把底裤问没了。
手写题更是社死。让我起 React 脚手架，我说没初始化过，又问能不能用 AI 出（被拒），改写原生 HTML+JS 还磕磕绊绊。思路说「挂个全局 class 」方向是对的，但追问「每个组件都要写一套主题 class 吗」我答不上来（正解是 CSS 变量）。body 找不到那个问题，问我怎么解决，我憋了句「loading=lazy？」（错的，是 defer）。面试官直接说「感觉不是很熟练」，我只能解释早就不写了，现在 90% 靠 AI 。
一面最后他那段话我印象很深，大意是：用 AI 这个方式大部分人都能做到差不多效果，区分度特别低，他们内部 99% 代码也是 AI 写的，这事甚至能用钱解决，上最强的模型就行。但弊端是你什么都能做，遇到坑却没经验没意识——AI 让你用 gRPC + protobuf ，那为什么不用 thrift ？ AI 不会主动提，这就看候选人自己有没有对比、思考过。他还说了句我记到现在的：所谓的广度不是你做了多少事，而是你对「背后为什么会产生这些问题」的思考形成的广度。
出来的时候我以为凉了。
二面轻松很多，HR 和 CEO ，聊的全是 AI 实战。
主要几块：GPT 、Gemini 、Claude 各自什么脾性、什么场景用哪个、我平时怎么搭配；一些实践经验，比如怎么把多个模型组织起来干活、工作流怎么沉淀。然后给了个编码任务——vibecoding 把 MiroFish 的开源版改成能在本地跑起来的版本。
这轮明显能感觉到他们要的不是八股选手，是真能拿 AI 把活干出来的人，跟一面那种考基础的拧巴感完全相反。MiroFish 本地化这个我回去真做出来了，也成了三面的主线。
三位面试官，一位 agent 方向，一位资深架构师（十几年经验那种），一位技术负责人（就是一面给我布置 MiroFish 任务的人）。70 分钟。一面考你懂不懂基础，三面考你的项目经不经得起挖。
RAG 分块这题我答对了。他问假设 embedding 输入足够大、几十 M 也吃得下，那还有必要分块吗？我说有，分块是为了检索时命中相关度最高的片段，整个文档一块检索粒度太粗，要按语义分。不是因为文件太大——这是 RAG 分块的真正目的。
挖得最深的是我那个企业连接器（ Rust ，0→1 ，把飞书 GitHub 这些异构数据源同步到自家 to B 平台）。架构师咬着「异构数据怎么统一数据模型」反复问。我最初想用 WASM 插件方案做到即插即用，被否了（ WASM 和宿主通信太麻烦）；后来一个同事帮我重构分层，连接器只实现各自拉取逻辑，存储和表结构统一。增量同步上 GitHub 用 commit hash ，飞书用更新时间字段。然后他问为什么用 RabbitMQ ，我实诚答不知道，基础设施不是我搭的，我中间插进来直接复用的。
这一段教训挺深的：架构师根本不在乎你用了什么，在乎你为什么这么选、不这么选会怎样。凡是沿用的、同事搭的，一问就露馅。
全场我最有底气的是 AI 编辑器那块（实习时基于 Quill 从 0 到 1 手写的）。讲了个我挺得意的 bug：给选中内容做高亮的逻辑被记进了 Quill 的 undo/redo 栈，污染了历史栈，导致回退回不去。最后不走 Quill API ，改用 CSS 浮层加 CSS 高亮绕开历史栈解决的。这种真手写真踩坑真自己定位出来的东西，跟那些 AI 写的我说不清的项目放一起，气场完全不一样。
AI coding 工作流他们挺感兴趣。我主力是 Claude Code 做实施、Codex 做 review ，CC 快但思考浅，Codex 慢但深，开 4 、5 个 tab 并行，让 CC 做方案 Codex 审查。自己写了 writer 这个 slash command 、一个 review skill 开源在 GitHub 上、还在折腾 hooks 和 CLAUDE.md 。
skill 系统设计这块被架构师从「会用」一路逼到「会造」。我讲了渐进式披露、open-skill 靠提示词注入、最小工具集（ read ，加上有脚本就再加 execute ）、hooks 启动阶段注入这些，但我一直说本质就是读目录加提示词没什么稀奇。后来回想他其实想听系统层面的设计——发现、注册、热更新、隔离这些，我一直把它降维成读目录，深度明显不够。架构和系统设计是我的短板，这个我认。
后面还问了一串：团队协作我说文档驱动 spec 驱动，强调开发期一定要加一句「不要兼容旧代码」，不然 AI 不知道上下文会瞎兼容； OOP 还是 FP 我说倾向函数式；设计模式说了适配器（ MiroFish 适配新旧方案用了）和策略模式； cron 整点拉取过载怎么办我答放队列加去重，他认可； MCP / Skill / Tool 怎么选我说内部知识流程用 Skill 、外部数据源用 MCP 、内部自定义工具用 Tool 。还问我掘金是不是 AI 写的，我说不是，我写底稿 AI 润色我再改，因为我没 AI 懂得多。
最后技术负责人让我讲二面那个本地化任务。我说 3 小时搞定的，开 1 个 CC 加 2 、3 个 Codex 一起调研，CC 出的结果有错让 Codex 复核、联网搜，写评估和计划文档，CC 实施 Codex review 几遍出 MVP ，中间还给项目提了 issue 和 PR 。他说一面就知道我是纯前端、不擅长这个，故意布置个难任务看我借 AI 完成复杂改造的能力。然后说了段让我挺受用的话，大意是我纯前端纯后端肯定比不过专业选手，但看简历、GitHub 、掘金加上一面，这种学得比较杂的多面手挺适合他们现在的氛围，能接受有这么个把每件事从 0 做到 60 分的角色当团队的「调试剂」，他很欢迎。
学得杂不是问题，关键是能不能对每件做过的事讲清楚为什么这么做、不这么做会怎样。这是三轮面试给我上的最大一课，继续前进...
第 1 条附言 · 5 天前
面试过程中除了技术面试官对我的经历也很认可，我之前辍过学，干过工地，木材厂，被骗进过传销，折腾了一圈回去上学，学习不好，读的大专，然后后面自己去当了兵，当兵期间拿过正军级单位的比武第一，回来以后专升本
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。