腾讯云 kpi面 以及自己这段时间的一些碎碎念

AI替代不了体力劳动。这话放在程序员身上，其实能延伸出更具体的体感 ——AI 替代不了那些需要「人肉踩坑」的体力式技术活。就拿线上故障排查来说，服务器突然雪崩，监控面板红一片，日志里几千行报错信息滚屏。AI 确实能帮你检索报错关键词，列出常见的内存泄漏、数据库锁等待解决方案，但它没法像你一样，顶着凌晨三点的困意，跑到机房看服务器指示灯是否正常，没法蹲在现场排查是不是网线松动导致的网络丢包，更没法凭经验判断是这次上线的代码有问题，还是运维那边调整了防火墙规则。这些看似「体力活」的操作，藏着太多 AI 摸不着的现场变量和经验沉淀。再比如做性能压测，AI 能生成 JMeter 脚本，能帮你分析压测报告里的 TPS 和响应时间数据，但它没法替你扛着笔记本去客户现场，在满是噪音的机房里调试压测环境，没法手动模拟上万用户并发的极端场景，更没法在压测过程中，根据服务器 CPU、内存的实时波动，灵活调整压测参数。那些对着监控大屏盯到眼睛发酸，反复重启服务、调整配置的「体力付出」，是 AI 永远学不会的实战直觉。还有咱们日常的代码重构，AI 能帮你优化代码格式，甚至提出重构建议，但它没法替你逐行梳理遗留系统里的「祖传代码」，没法理解那些没有注释、逻辑混乱的函数背后，藏着的是前同事为了兼容老系统的无奈妥协。你得耐着性子一行行读、一遍遍测，这个过程就像在废墟里寻宝，耗的是体力，拼的是耐心，这些都是 AI 替代不了的「技术体力活」。说到底，AI 能替代的是标准化的脑力输出，却替代不了那些需要现场感知、经验判断、体力付出的技术劳动。毕竟代码是死的，但系统是活的，那些藏在机房噪音里、日志堆里、代码细节里的「体力活」，才是程序员真正的护城河。

🕐复活时间：3.23💻面试部门：PCG技术线-智能营销/AI小游戏方向一面🕐面试时间：3.24❓面试问题：自我介绍大文件拆分上传，如果断线重连，如何实现重传为什么后端数据库使用mongoDB而不用mysql你有提到学过redis，说说对redis的理解如何设计登录的，如何保护用户信息安全xss/csrf如何产生的，如何防范你提到jwt，那你的jwt是配置了什么字段js事件循环与nodejs事件循环追问：nodejs是单线程还是多线程ES Module与CommonJS的区别场景题，设计一个前端表单，涵盖数据采集，前后端对接等等，说说你的思路ai agent兴起，你对这个有什么了解和看法算...

有无面过的字节的佬说说 这个部门的前端大概率会面什么内容 有点焦虑 主要是没什么资料能搜到

部门是中国交易与广告，感觉问了好多延展性问题，尤其场景题，答得支支吾吾的，感觉自己一直在打太极，面完过了两天果然挂了，到现在还没被捞起🥹1. 按照惯例，简单做个自我介绍吧。2. 刚刚提到对前端比较感兴趣，能具体说说原因吗？主要对哪一类的项目更感兴趣？3. 简历上的两个项目，你想先拿哪一个出来聊一聊？4. 做 Chat 这个项目的主要动机是什么？是想做练手项目，还是想探索一些特定技术？5. 在做 Chat 项目的过程中，有遇到过什么比较有挑战或卡点的问题吗？6. 遇到解码乱码这个卡点问题时，大概是怎样去解决的？7. 针对不同语言（如阿拉伯语从右到左书写、UTF-8 编码字节数不同等）在解码过程中的特性，是否有做更深层的探索或思考？是否有了解过开源社区解决此类多语言问题的通用方案？8. 在 Chat 项目中，还有其他类似的技术挑战或亮点可以分享吗？9. 项目里设计的缓冲区，有考虑过设置大小限制防止内存占用过大吗？10. 自己实现的组件与开源社区成熟的组件相比，有什么区别？还有哪些改进空间？11. 了解受控组件和非受控组件的概念吗？12. 作为 UI 库的开发者，在什么场景下应该使用受控组件，什么场景下该用非受控组件？能具体举例说明吗？13. 如果去实现一个 Editor（编辑器）组件，它应该是设计成受控的还是非受控的？14. 作为一个开发者，当你在 NPM 上找一个 React 编辑器组件来使用时，你期望它的用法是怎样的？你会想去强控制它内部的各种输入状态吗？15. 手写：flatten 函数，将多层嵌套结构的数组拍平为一维数组。16. 手写：reduce 方法，要求功能与原生的 reduce 完全一致。