阿里4月8日笔试，前端，ai研发岗

1. 自我介绍2. 介绍React生命周期3. 拷打前端项目4. useMemo和useCallback 具体使用方法5. useEffect 具体使用方法6. 有无开发 MCP Sever7. MCP的数据格式协议8. vite脚手架是否自己搭建9. vite和webpack区别10. 场景题：如何用React框架搭建一个通用化组件库11. 介绍Skill12. Skill是否只能提供给大模型使用？13. 如何判断模型意图调用Skill或者MCP的正确率？14. 拷打Agent项目15. 反问环节一面无手撕，面试时长约 30 分钟，体感比之前灵犀互娱那次要好一点。

1. 自我介绍2. 智能合同审阅平台里为什么要同时使用向量检索和全文检索？单一检索方式为什么不够？答案：在合同审阅场景里，用户的问题或者待审条款通常不是简单关键词匹配，而是存在大量语义相近但表达不同的内容，比如“提前解除合同”“单方终止协议”“无责解约”语义接近，但关键词并不完全一致。如果只用全文检索，比如 Elasticsearch 的 BM25，优点是关键词匹配精确、可解释性强，对合同编号、金额、日期、公司名称、条款标题这类结构化或半结构化字段效果很好。但它对同义表达、语义改写、隐含风险点的召回能力较弱。如果只用向量检索，优点是语义召回能力强，但是容易召回一些语义相似但法律含义不完全一致的...

1. 自我介绍2. 介绍 Zustand、Redux、useContext（讲解具体使用方法）3. 询问状态管理库产生的背景是什么？4. 当项目复杂到什么程度的时候需要引入状态管理库？5. Axios 解决什么样的问题？项目里做什么样的二次封装？最复杂的拦截器是什么？（深挖，讲代码）6. 介绍 RAF 机制7. 前端项目性能如何优化？（深挖）8. 前端项目中如何对接后端？（深挖）9. 前端项目中最大的挑战是什么？（深挖，讲解解决全流程）10. 前端项目现在的遗憾或者缺点是什么，你想添加什么功能？（深挖，为什么要加，怎么加）11. 如何说服甲方添加新功能，挑战有哪些？12. 介绍 Agent loop13. 场景题：如何设计开发优酷的Skill？14. 场景题：如何在 AI 应用作为流量入口的情况下，在优酷跟别的视频平台的竞争中，怎么能让用户更好的拿到优酷的内容？15. 介绍 Prompt Engineering、Context Engineering、Harness Engineering16. 介绍 Harness Agent 项目17. Harness 有无对比不同的模型？对模型优劣的感知有哪些？18. Agent 安全性如何保证，怎么能够商用化？（深挖，偏场景题）19. 介绍自己平时怎么使用 AI ？20. 介绍自己 AI Coding 做的最复杂的一个功能？（深挖，讲代码）21. 如何把 AI Coding 的代码快速部署使用？22. 除了用 AI 写代码，还做哪些事情？23. 谈谈AI对新老程序员的改变，新手依托AI写代码缺失问题解决经验该如何弥补，以及AI时代程序员如何提升自身核心竞争力？24. AI Coding 题目25. 反问环节面试时长约75分钟，体感比一面好。面试官人很好，提的问题贴合真实开发场景，不是纯八股，和AI热点结合的场景问题很多，也会引导回答！

1. 介绍下自己的优缺点2. 你的 Agent 主要是用来解决什么问题的？这个 Agent 主要解决跨境电商运营中“数据分散、决策链路长、人工分析慢”的问题。传统运营需要分别看广告后台、商品后台、库存系统、用户评论、竞品价格和售后工单，再人工判断问题原因。Agent 的目标是把这些数据源通过工具封装起来，让模型按任务目标自动规划查询步骤，并生成有证据支撑的运营建议。比如用户问“为什么这款蓝牙耳机最近销量下滑”，Agent 不会直接回答，而是会拆成几个子任务：查曝光和点击是否下降，查转化率是否下降，查广告 ROI 是否异常，查库存是否断货，查评论是否出现集中差评，查竞品是否降价。最后根据证据判断...