最全AICoding考察公司（附备考建议

现在AI发展的越来越迅速，AI Coding对于岗位面试有一定量的帮助，在一些大公司比如美*和京*等公司都有一定量的采用，所以对我们的要求也会越来越严格，以后就业形势也会越来越严峻，蚂蚁的AI Coding笔试对于我来说也是有点难的

1. 自我介绍2. 项目拷打3. 你怎么理解现在的大语言模型，它和传统 NLP 系统最大的分水岭是什么现在的大语言模型本质上不只是一个“更大的文本分类器”或者“更强的生成器”，而是把表征学习、任务迁移和自然语言接口统一到了一个模型里。传统 NLP 往往是一任务一模型，文本分类、命名实体识别、问答、摘要各做各的，大模型则是在大规模预训练后，通过提示、工具调用、少样本样例甚至简单微调完成大量任务迁移。真正的分水岭不在参数量，而在它具备了统一接口、上下文学习和任务泛化能力，所以很多原来需要显式建模的流程，现在可以交给模型做一层高层抽象，但代价是可控性和确定性下降。4. 如果要让模型真正“理解”你的业...

题目是实现一个带 TUI 的命令行视频剪辑工具。核心要求有三点：能应对真实输入，稳定运行不崩交互流程清晰，用户知道下一步该干什么输出结果可验证、可复现，不能随缘素材放在 video_res/ 目录下。需要注意：里面的视频格式不统一，有不同容器（MP4、MOV 等）和编码格式（H.264、H.265 等），甚至可能混了异常文件。所以工具必须考虑兼容性，不能假设所有素材都是标准 MP4。必做功能要求1. TUI 交互（核心）需要实现四个基本操作：浏览素材列表（能看到有哪些视频可用）设置切分区间（比如只保留 00:30 到 01:20 这一段）调整片段顺序（多个片段可以重新排序后再合成）执行导出 + 展示结果（导出完告诉用户成功了还是失败了）2. 剪辑与合成单个视频能切分（取其中一段）多个视频能拼接到一起（比如 A 的前半段 + B 的后半段）输出常见的可播放格式（MP4 最稳妥）3. 错误处理用户输入非法（比如时间输成负数、选了不存在的文件）必须明确提示禁止静默失败——出了错就要让用户知道，不能偷偷崩掉约束条件：所有交互提示要面向普通用户，别直接抛底层报错（比如 "FFmpeg returned code -2" 这种）。用户看不懂，等于没提示。必做验收方式需要自己设计验证方案，至少覆盖四点：基础功能对不对（切分、拼接能不能正常工作）正常输入能跑通（给标准素材，按标准操作走一遍）异常输入要能扛住（给损坏的视频、不存在的文件、乱输参数）连续执行要稳定（跑一次没问题，连续跑十次会不会崩）交付物清单源码 + 启动命令（比如 ./run.sh 或者 python main.py）使用说明（关键操作怎么用、参数什么意思）示例输入与输出结果（别人照着做能复现）验证证明（场景描述、执行命令、结果摘要）已知限制与优化方向（坦诚交代哪里没做好、后续怎么改进）加分项如果必做做完了还有时间，可以考虑：时间线/片段预览能力：不只是一个列表，能让用户看到片段顺序、时长、大概位置任务队列与取消机制：导出可能需要时间，用户可以排队多个任务，也能中途取消可配置导出参数：码率、分辨率、帧率这些用户可以自己调，而不是写死在代码里一点思路分享拿到题目后，建议先别急着写代码。用模型帮你把必做功能拆成最小的 MVP 模块，比如：先实现素材目录扫描和列表展示再实现单个视频切分导出然后实现多视频拼接最后把 TUI 交互串起来加分项最后再做，而且尽量不破坏基础功能的代码结构。验收的时候，建议按题目要求的四点（正确性、兼容性、鲁棒性、稳定性）逐个跑一遍，截图或录屏留证，最后整理到验证证明里。另外注意素材目录里可能有异常文件，你的工具遇到这种情况不能崩，至少要提示“该文件无法处理”然后继续让用户操作其他素材。

1. 先做一下自我介绍，重点讲你做过的系统背景和你负责的核心链路2. 你在团队里主要负责哪部分，怎么证明这部分不是“打杂型开发”3. 你把整个系统架构讲一下，如果让我听完就能知道瓶颈可能在哪里4. 技术栈选型的时候你会怎么做取舍，尤其是 Redis 和消息队列为什么这么选选型不是比组件名气，而是比业务约束。Redis 适合做热点缓存、轻量状态、分布式协调和短期去重，但不适合承接强一致主数据；消息队列适合解耦、削峰和异步补偿，但不适合所有需要实时可见结果的主流程。真正的取舍点在于数据是否允许延迟、失败是否可补偿、顺序是否重要、消费是否要求可重放、以及业务能否接受最终一致。很多系统不是选错中间件，...