← [ BACK_TO_NOTES ]

面试题来源注册表

保存本轮面试知识迁移使用的官方文档、公开面经、开源题库和项目仓库来源，并说明不同来源只能够支持什么结论。

#resource #growing #work #interview

[!info] related notes

规则：面试题来源、置信度与答案依据

观察：2026 近期面试题观察索引

总入口：面试准备 MOC

面试题来源注册表

[!warning] 来源角色必须分开牛客和社区题库只用于证明“有人报告被问过什么”或扩大覆盖；框架行为优先官方文档；个人项目事实优先当前代码、测试和 ADR。不要直接采用社区帖子里的答案。

检索日期：2026-08-30。

来源分三类：

近期真实面经 / 社区题库：用于判断“现在正在问什么”。这类内容不是公司官方题库，真实性和答案质量需要交叉验证。

长期维护题库 / 学习路线：用于扩大通用题覆盖面。

官方技术文档：用于校验技术事实，优先级高于社区“标准答案”。

一、2026 年近期 AI Agent / AI 全栈面经

字节跳动 AI Agent 开发岗面经 01

URL： https://www.nowcoder.com/discuss/922659050167226368

包含 2026-08-20 / 08-19 / 08-18 / 08-16 / 08-14 / 08-13 多场整理。

本知识库主要提取信号：

Harness vs Orchestrator。
ReAct vs Plan。
Context vs Long-term Memory。
Context 超限与工具描述过长。
路径震荡、Agent 死循环。
多 Agent 修改文件冲突。
RAG 召回排查。
PDF / 复杂表格解析。
Query Rewrite / HyDE / Hybrid Search / GraphRAG。
SSRF / CSRF。
Embedding 选型。
Agent 生产稳定性与评估指标。
TCP 可靠性。
MCP 工具调用流程。
AI Coding / Spec Coding / Harness。
算法：TopK、平衡二叉树等。

字节跳动 AI Agent 开发岗面经 03

URL： https://www.nowcoder.com/discuss/922659809084571648

信号：

Agent vs Function Calling。
AI Coding 如何参与 Agent 开发。
LangChain / LangGraph。
Agent Planning。
Long-term / Short-term Memory。
Skills / Harness Engineering。
Multi-Agent 与单 Agent 的取舍。

拼多多 AI Agent 岗两轮技术面经（2026-08-16）

URL： https://www.nowcoder.com/discuss/919634965879324672

信号：

项目深挖权重高。
RAG 与工程基础结合。
自我介绍必须建立可追问的技术主线。
不只问框架 API，而是问实际方案、失败和验证。

小红书 AI Agent 开发一面（2026-08-12）

URL： https://www.nowcoder.com/discuss/919617105761165312

信号：

Harness 被单独追问。
Context Builder、Tool Runtime、Checkpoint、Control Loop、Reliability、Trace/Eval 成为一体化 Agent 工程知识。

影石创新 AI Agent 一面（2026-08-09）

URL： https://www.nowcoder.com/discuss/919595418265059328

信号：

60-90 秒经历主线。
为什么选择 Agent。
项目技术链必须接得住后续追问。

阿里巴巴 AI Agent 开发岗（2026-08-02）

URL： https://www.nowcoder.com/discuss/918182032297979904

信号：

项目整体架构与技术栈。
业务问题 → Agent 链路 → 模型 / RAG / 工具 / 状态 → Eval / Log 的完整闭环。

月之暗面 AI Agent（2026-07-21）

URL： https://www.nowcoder.com/discuss/922643334898647040

信号：

Claude Code / Coding Agent。
Harness Engineering。
Context、权限、工具、状态、验证的执行闭环。

米哈游 AI Agent 提前批（2026-08-01）

URL： https://www.nowcoder.com/discuss/916476300372500480

信号：

Agent Skills 的发现、模块化、渐进加载、组合、验证、版本治理。
Skill 不应绕过权限和代码审查。

腾讯 IEG 全栈开发（AI）（2026-08-13）

URL： https://www.nowcoder.com/discuss/922860300762611712

信号：

快照一致 RAG。
BM25 / vector / graph 融合。
RAG version filtering / time-travel。
Evidence/citation drift。
Memory facts conflict。
deterministic replay。
Go service ↔ Python Agent Runtime。
async runtime + CPU-heavy work。
multi-agent shared state conflict。
MCP Host / Client / Server trust boundary。
Coding Agent sandbox / audit。

注意：这类面经题目深度偏高，当前应届/初级岗位先掌握原理和系统设计思路，不需要假装自己在生产里完整实现过所有高级方案。

二、2026 年近期 AI 前端面经

字节跳动前端开发岗面经 01

URL： https://www.nowcoder.com/discuss/923167773570629632

明确包含 2026-08-12 / 08-10 / 08-05 / 07-31 等面试。

信号：

RAG 不同文件格式。
Agent 任务完成 / 死循环。
MCP vs Skills。
Vue 响应式。
防抖。
async custom hook。
SSE / HTTP。
REST。
Browser Cache。
React 大应用状态。
Promise.race。

27 届暑期前端高频面试题汇总

URL： https://www.nowcoder.com/discuss/889546972099584000

它把 2026 年 AI / Agent 列为前端新增专题，归纳：

SSE / Streaming / reconnect。
RAG / Embedding / Chunk / HyDE。
Agent / ReAct / MCP / Skills / Tool Calling。
AI Coding 工具和项目中 AI 占比。
Vibe Coding / Spec Coding。
多轮 AI 对话设计。

注意：帖内“出现次数 / 几乎每场”等是作者基于其样本的整理，不能当严格全市场统计。

前端 AI 项目高频拷打

URL： https://www.nowcoder.com/feed/main/detail/e17421f1011649018c99aad1427ad902

用于补充 AI 前端项目追问：

SSE / Fetch Streaming / WebSocket。
chunk 解析、乱码、拼接。
AbortController。
长会话、上下文与 token。
Markdown/代码块。
Tool/MCP integration。
长列表/聊天性能。
safety/input validation。

三、近期综合题库

AI Agent 面试高频 100 问

URL： https://www.nowcoder.com/discuss/922460251717128192

覆盖：

AI Agent。
MCP。
Skills。
RAG。
Harness。
Vibe Coding。
Context Governance。

用途：用于扩大问题覆盖，不直接复制其中所有答案；技术事实回到官方文档验证。

JavaGuide：2026 AI 应用开发面试指南

URL： https://javaguide.cn/ai/interview-questions/ai-interview-guide.html

覆盖：

LLM fundamentals。
Agent Loop / Memory / Context / MCP / Skills / Harness。
RAG / Embedding / Hybrid / Rerank / GraphRAG / Eval。
AI production system design、model gateway、observability、security。

该页面明确建议：项目回答应说明完整链路、问题定位、成本/稳定性/权限和上线维护，而不是只讲概念。

JavaGuide：AI 应用面试专题

URL： https://javaguide.cn/ai/interview-questions/

用于补全 AI 应用的“问题 → 原理 → 方案 → 取舍 → 落地”结构。

JavaGuide：2026 后端面试通关计划

URL： https://javaguide.cn/interview-preparation/backend-interview-plan.html

本目录采用了它一个很重要的复习原则：

简历 / 项目优先，然后沿简历技术栈下钻数据库、缓存、网络、算法等通用知识；不要平均背所有技术。

四、长期维护的开源题库

Front End Interview Handbook

URL： https://github.com/yangshun/front-end-interview-handbook

仓库说明为 updated for 2026，覆盖：

HTML / CSS / JavaScript / DOM。
前端算法和 coding。
Frontend System Design。
不同公司/形式的前端面试。

用途：传统前端知识与 coding / system design 的长期参考。

Tech Interview Handbook

URL： https://github.com/yangshun/tech-interview-handbook

覆盖：

Algorithms。
Coding interview preparation。
Behavioral questions。
Interview cheatsheet。
通用技术面试策略。

用途：算法、行为面与通用 SWE 面试框架。

web-interview（中文）

URL： https://github.com/febobo/web-interview

覆盖：

Vue。
React。
JS。
HTTP。
工程化。
CSS。
算法。
大厂/高频题。

用途：中文传统前端补漏。

AI Engineer Interview Questions 2026

URL： https://github.com/atryx/ai-engineer-interview-questions

覆盖 100+：

LLM fundamentals。
Prompt Engineering。
RAG / Embedding / Vector DB。
Agent / Tool Use。
Evaluation。
Production / Infra。
Safety / Guardrails。
AI System Design。

用途：作为国际/英文 AI Engineer 问题覆盖面的交叉参考。

五、官方技术文档：Agent / MCP

LangGraph — Interrupts

URL： https://docs.langchain.com/oss/python/langgraph/interrupts

关键事实：

interrupt 需要 checkpointer 和 thread id 才能持久恢复。
resume 使用相同 thread id。
Command(resume=...) 的值返回到 interrupt。
恢复后会从包含 interrupt 的 node 开头重新执行，而不是从源码 interrupt 下一行精确续跑。
因此 interrupt 前面的 side effect 必须 idempotent，或通过结构调整避免重复执行。

这是 BodySense 面试中非常关键、容易被问穿的事实。

LangGraph — Persistence

URL： https://docs.langchain.com/oss/python/langgraph/persistence

关键事实：

thread 是一组 checkpoint 的持久标识。
checkpointer 根据 thread_id 保存/加载 graph state。
persistence 支撑 HITL、memory、time-travel/fault tolerance 等运行能力。

六、官方技术文档：MCP

Model Context Protocol — Architecture

URL： https://modelcontextprotocol.io/specification/2025-06-18/architecture

关键事实：

MCP 使用 Host / Client / Server 架构。
Host 负责容器/协调与连接权限边界。
Client 与对应 server 维持协议连接。
Server 暴露能力。
协议基于 JSON-RPC，并有 capability negotiation。

面试时不要把 MCP 简化成“另一个 Function Calling”。它们处在不同集成层。

七、官方技术文档：React / Server State

React — useEffect

URL： https://react.dev/reference/react/useEffect

关键定义：

useEffect 用于让组件与 external system 同步。
纯派生数据通常不应使用 effect + state 复制。

React — useTransition

URL： https://react.dev/reference/react/useTransition

关键定义：

将相关 state update 标记为 Transition。
Transition update 是 non-blocking / interruptible 的 UI 更新类别。
它不是 Web Worker，也不会自动把 CPU 工作移到其他线程。

React — Suspense

URL： https://react.dev/reference/react/Suspense

关键定义：

子树 suspend 时显示 fallback。
普通在 Effect 中 fetch 数据并不会自动触发 Suspense。

TanStack Query — Invalidations from Mutations

URL： https://tanstack.com/query/latest/docs/framework/react/guides/invalidations-from-mutations

关键事实：

mutation 后可以 targeted invalidation 相关 query。
invalidation 用于把服务端资源缓存标记 stale / 触发重新同步。

TanStack Query — Optimistic Updates

URL： https://tanstack.com/query/latest/docs/framework/react/guides/optimistic-updates

用途：

optimistic UI/cache update。
failure rollback。
concurrent mutation 的状态管理。

八、官方技术文档：SSE

MDN — Server-sent events

URL： https://developer.mozilla.org/en-US/docs/Web/API/Server-sent_events

MDN — Using server-sent events

URL： https://developer.mozilla.org/en-US/docs/Web/API/Server-sent_events/Using_server-sent_events

关键事实：

SSE 是服务端向页面推送事件的一种机制。
EventSource 是标准浏览器接口。
event stream 是文本格式。
常见字段包括 event、data、id、retry。
SSE 是单向 server → client 连接模型。

BodySense 的 POST streaming 采用 fetch/readable stream，因此还必须理解：底层 read chunk 不等于一个完整 SSE event，客户端需要 buffer + framing parser。

九、Mastra

Mastra — Using Tools with Agents

URL： https://mastra.ai/docs/agents/mcp-guide

关键事实：

Tool 是有 input schema 的 typed function + executor。
Agent/workflow 可调用 tools，也可连接 MCP tools/resources/prompts。

MemoFlow 相关 Mastra 问题必须继续以真实源码为准，官网只用于框架概念校验。

十、使用来源时的可靠性规则

优先顺序：

当前真实仓库代码 / 测试 /部署事实：回答“我的项目怎么做”。
官方技术文档 / specification：回答“技术机制到底是什么”。
近期真实面经：判断“现在会问什么”。
成熟题库：扩大覆盖。
社区标准答案：只作提示，不直接背。

如果社区答案与官方文档冲突，以官方文档和可复现实验为准。

十一、后续增量更新建议

每次真实面试结束后，在本目录新增一条复盘：

reviews/YYYY-MM-DD-company-role.md

记录：

实际问了什么。
当时怎么答。
哪一层被追问住。
正确知识点。
是否需要更新简历表述。
是否需要补一个真实测试 / benchmark / source-code proof。

这样题库会从“网上整理”逐渐变成针对个人简历的真实面试数据集。