面试的职级是 2-2，技术面一共 3 轮，每一面都要手写算法。于 2025年 2 月初我面试字节跳动，没有通过第 3 轮面试，在这里记录下当时的面试问题，希望帮到大家

第一轮面试

首先是自我介绍，主要介绍在任职的公司落地了低代码平台和用户操作记录回溯，还向开源项目 rrweb 提交了两个PR，最后是公司的插件化架构。

自我介绍完毕，面试官的第一个问题是，为什么离职？我因为被裁而离职，如实回答了，之后每一轮面试官都会询问什么被裁，另，由于我从离职到面试字节中间隔了7个月左右，面试官还重点关注了，离职之后在做什么。离职之后，我首先回家休息了近 1 个月，旅游了近 2 个月，然后写书花了 1 个多月，到 11 底开始找工作，这没什么好隐瞒的，如实告知了面试官。

第一轮主要面试 JS 和 React基础知识，问题如下：

1. 在 js 中有浮点数运算不正确的时候，比如 0.1 + 0.2 不等于 0.3 这是什么原因，要怎么解决
2. 对 webpack 有了解吗，我看你在做低代码
3. webpack中 loader 与 plugin 有什么区别
4. 有没有写过 plugin
5. 我们写代码的时候是 es6，浏览器运行的时候是 es5，在做代码转化的时候，webpack 帮我们做了什么事情
6. 在 React 类组件中，为什么修改状态要使用 setState 而不是用 this.state.xxx = xxx
7. setState 函数做了哪些事情
8. React 生命周期 commpoentWillUnMount() 对应的 hooks 要怎么写
9. useState 的原理是什么，背后怎么执行的，它怎么保证一个组件中写多个 useState 不会串
10. 函数组件重新渲染的时候怎么拿到useState之前的状态，而不是得到初始化的状态
11. React为什么要自定义合成事件
12. 你的简历里写了关注资产损失，这是做什么事情。
13. 你在地代码开发与实践上也做了一些事情，当时是做什么呢？
14. 表单的联动是怎么处理的
15. 当时做这个表单驱动的时候，为什么没有用 Formily 现成的方案呢
16. 被裁的原因是什么呢
17. 从离职到现在一直没有找工作吗？
18. 从11月底到现在两个月了有哪些 offer 了吗

算法题

1. 实现 loadsh.get 方法
2. 计算二叉树的最大深度
3. 岛屿的最大面积

最后是反问环节。面试时长 1 小时 40 多分钟。

第二轮面试

由于简历重点介绍了低代码，并且在自我介绍的时候，提到了我的书——《低代码平台开发实践：基于React》，因此面试官大部分问题都与低代码相关。问题如下：

1. 为什么写书
2. 能把你的掘金上发的低代码文章发给我吗？
3. 低代码针对的中后台是什么样的
4. table 中的字段也是可以配置的吗？Table 头和每一项下面展示的内容怎么配置
5. 为什么要做低代码
6. 做低代码系统的时候你有考虑研发量吗
7. 整个低代码都是你一个人做吗？
8. 当属性面板上有修改之后，画布刷新的机制是怎么样的
9. 继续讨论研发量，开发规划的问题
10. 没有考虑使用已有的低代码项目做二次改造吗
11. 做低代码的时候有没有遇到比较难的问题，怎么解决的
12. 被裁的原因

算法题

1. 最大子数组和
2. 最长回文子串

最后是反问环节。面试时长 1 个小时左右。

第三轮面试

这一轮的面试官没让做自我介绍，一开始就是写算法题

算法题

1. K 个一组翻转链表

下面是询问的问题

1. 为什么写书
2. 在市面上类似的书有一些，你的书有什么不同
3. 什么场景适合做低代码，给什么用户使用
4. 低代码最适合的场景是不是no-code？
5. 怎么界定低代码和无代码的边界
6. 你做的低代码平台能实现的最复杂的一个场景是什么样的
7. 为什么json要转化为手写代码
8. 转化成手写代码是什么样的
9. 源码解析器是什么
10. 开发低代码的背景
11. 整个项目的周期有多长
12. 从酷家乐离职之后主要在写书吗？
13. 用户操作记录回溯工具是为了解决什么问题
14. 用户记录回溯工具有达到目的吗
15. 主管有没有说被裁的原因

最后是反问环节。面试时长 1 个小时左右。

总结

面试被问到的重点问题如下：

1. 为什么被裁
2. 被裁之后在干什么
3. 低代码项目的迭代安排和人员安排
4. 市面上的已有低代码方案

需要改进的点：

1. 为了迫使自己在对方问问题之后思考问题，重复一下问题里的关键字。比如，当对方问为什么 React使用 setState() 修改状态，而不是直接给 this.state 赋值去修改？重复一遍面试官的话，如果面试官说的话很长，那就提炼出关键字后重复一遍。
2. 当某个方案有多个原因时，先回答1，2，3，再逐条分析。比如为什么 React 要封装合成事件？为什么要将低代码 json 转成手写代码？为了让自己回答问题更专注，使用手指头记录自己说到了第几点。(结构化)

这份完整版的大模型 AI 面试和学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

二、如何学习大模型 AI ？

🔥AI取代的不是人类，而是不会用AI的人！麦肯锡最新报告显示：掌握AI工具的从业者生产效率提升47%，薪资溢价达34%！🚀

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

 

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

*   大模型 AI 能干什么？
*   大模型是怎样获得「智能」的？
*   用好 AI 的核心心法
*   大模型应用业务架构
*   大模型应用技术架构
*   代码示例：向 GPT-3.5 灌入新知识
*   提示工程的意义和核心思想
*   Prompt 典型构成
*   指令调优方法论
*   思维链和思维树
*   Prompt 攻击和防范
*   …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

*   为什么要做 RAG
*   搭建一个简单的 ChatPDF
*   检索的基础概念
*   什么是向量表示（Embeddings）
*   向量数据库与向量检索
*   基于向量检索的 RAG
*   搭建 RAG 系统的扩展知识
*   混合检索与 RAG-Fusion 简介
*   向量模型本地部署
*   …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

*   为什么要做 RAG
*   什么是模型
*   什么是模型训练
*   求解器 & 损失函数简介
*   小实验2：手写一个简单的神经网络并训练它
*   什么是训练/预训练/微调/轻量化微调
*   Transformer结构简介
*   轻量化微调
*   实验数据集的构建
*   …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

*   硬件选型
*   带你了解全球大模型
*   使用国产大模型服务
*   搭建 OpenAI 代理
*   热身：基于阿里云 PAI 部署 Stable Diffusion
*   在本地计算机运行大模型
*   大模型的私有化部署
*   基于 vLLM 部署大模型
*   案例：如何优雅地在阿里云私有部署开源大模型
*   部署一套开源 LLM 项目
*   内容安全
*   互联网信息服务算法备案
*   …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 面试和学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】