蚂蚁前端aicoding

🐜ai infra一面1、面试官人真好啊，自我介绍完我就说我的项目偏业务，看jd上的模型训练、模型推理我都没搞过。他说没事，数据库啊啥的都会涉及到。后面果然一句infra的都没问，哈哈白看了一个周末的infra理论了。2、然后拷问第二个项目。2.1 你这个LangGraph路由是如何设计的，为什么要用它?本质是个状态机，定义了xx状态，实现思路（全局状态、node定义、workflow串起来节点）2.2 源数据是什么？如何做的预处理？论文pdf，向量那一路用的固定长度token+overlap，语义切分那一路按段落切的（回车）2.3 评估是怎么做的？怎么判断切的好不好？其实我没做Recall@k这些，于是扯我做了证据溯源2.4 你用GraphRAG了吗，怎么样，有什么优缺点？用了，优点就是对特定专业领域，比如需要检索一些关键词的隐含关系的场景（科研）上效果好，（面试官补充：源数据准确），缺点就是离线阶段有点耗时，比如二三十篇论文的话差不多二十来分钟，单卡跑的话。（面试官说那已经很快了）3、拷问第一个项目。3.1 为什么做这样一个项目，出发点是什么？我看你部署到vercel了，怎么样？vercel没跑通（尴尬，面试官怎么知道我传到vercel了）3.2 web端还是移动端？以一个用户的角度，进去后可以干嘛？3.3 你这个姿态分析是怎么做的？视频是放在minio里，然后是怎么处理的？我一开始说我调了MediaPipe pose的库做姿态识别，识别到人体关机的三十多个点，然后点点相连成为向量，用cos做相似度分析，最后打分，调llm做个总评。面试官一直在追问这里，说视频具体是如何分析的，有没有什么难点。我有点没听懂，他说他的出发点是觉得调库+向量相似 会有些简陋。唉能不简陋吗，我就开始扯我遇到了两个视频如何对齐的问题，目前的解决方式是设置了个滑杆用户手动调节这个偏差，后期的话可以考虑用音乐来实现。3.4 redis缓存了什么数据？是什么类型的？key和val分别是什么？列表内部的数据究竟是什么？有没有涉及到序列化啥的？唉这块是真尴尬，我只从功能上说了我缓存了用户自己的视频列表和姿态分析的结果。等下快去补补好嘛好的。3.5 如果一个用户上传了个非常大的视频会怎么样，比如几G？我说我做了限流，只可以上传小于500MB的，然后也限制了一个用户一分钟只能执行两次ai分析。他就追问说，如果我现在这个视频就是很大又必须要上传呢？我就说那可以设置个会员功能，付费才能上传大视频。哈哈哈哈面试官笑了一下3.6 MQ为什么用RabbitMQ？我就说RabbitMQ简单，可以满足可靠性。追问可靠性是如何实现的？发送端生产者开启确认机制，存储端设置队列持久化、消息持久化，消费端任务完成之后再ack，还设置了死信队列用来兜底。追问消息进入死信队列会被如何处理？答不上这个。只回答了什么时候会触发死信队列。4、ai 相关。你这个aicoding笔试，我看你问了个“云原生架构是什么”，“会被aicoding取代吗”，真想找个角钻了，原来面试官还能看到我当时的prompt啊，然后他就问我会不会被取代。你是如何看待ai coding的发展的？如何提升aicoding的能力？唉当时顺不好口条，面试官又让我总结了一下我想说啥。5、开放题假如有一个业务需要你用agent实现，如何设计? 需要考虑什么？我问什么场景，他说假设现在有个很厉害的agent来做姿态分析，而不是传统后端这一套了，如何达到生产级别？我说我实在是不懂多模态，如果是文本信息的话，生产级别肯定需要考虑多个用户同时访问的并发压力，比如看有没有一些请求能够合并，或者看这些请求有没有通用/复用的地方，设置个缓存来提高响应速度。面试官问还有啥嘛?then，我大脑空白了几秒钟。憋出来个，或许还可以预训练个模型，搞个舞蹈学习的垂直模型？还有啥需要考虑的，想不出来了。6、反问反问了业务，面试官说了一大串，完全没听懂。反问了agent在业务中如何体现。反问了那您觉得aicoding会取代程序员嘛哈哈哈哈总共50来min，无手撕，好煎熬好漫长的50min。

面试时间： 5.21技术栈： Agent、Java、Python、Node、SQL、前端面试题目1.自我介绍2.新闻数据来源、数量规模如何存储，数据库表如何设计的，存哪些字段数据来源：RSS 订阅、爬虫抓取、第三方 API（如 NewsAPI）。存储规模达百万级时采用分库分表或时序分区。表设计核心字段：id、title、content、source、publish_time、category、embedding_vector（外链向量库）、create_time。按发布时间做范围分区，热数据放近期分区加速查询。3.新闻向量数据库如何分区？文本编码方式，新闻词嵌入，如何召回，编码方式和召回方式如...

我拿到了一道系统设计类的题目：实现一个推理网关，核心功能包括智能路由、负载均衡、KV Cache 感知调度等。题目明确给出了交付要求和加分项。整个开发过程是在 IDE 环境下完成的，交互方式比命令行界面友好很多。我使用的模型体验不错，大约 90% 以上的对话都能顺利完成需求，偶尔出现的小 Bug 也可以自己手动修正。总体感觉比较容易上手。我的实现思路如下供牛友们参考：需求分析与架构设计先让 AI 扮演产品经理，帮我分析需求，输出一份完整详细的需求文档和项目架构。框架搭建与功能实现再让 AI 根据文档生成项目框架，然后逐个模块填充代码、测试、细调 Bug。测试与验收在所有测试通过后，让 AI 充当验收人，对整体项目进行测试和打分。迭代优化根据 AI 指出的不足之处进行改动，重复“测试 → 验收 → 打分”的流程，直到评分达到 90 分以上。文档交付最后让 AI 生成完整详细的项目总结报告，以及所有需要交付的文档，整理后一并提交。

不得不说，AI Coding 用起来是真的爽。我没遇到 3.29 那批说的输出慢的问题，整体用着很顺畅，感觉他们内部应该是优化过了。这次题目是一个 README.md 文档，让做一个简历筛选和排序的助手。输入是 MD 格式的简历（大概 60 篇）和职位要求，输出是一个 result.json，里面是筛选出来的候选人排序结果。功能上要求实现特征提取器、归一化（要处理同义词问题）、还有评分器。交付的东西包括源码、说明文档、输出结果、测试代码，以及后续可以优化的点。我的做法是让 AI 先给架构和规划，然后一步步实现。大概 30 分钟搞出来一个简单的 MVP，剩下的时间就一直在优化、优化、再优化。整体体验还不错。