编码轮与项目深挖:渐进式考题与叙事漏斗

约 40 分钟L1L2T3D2

课程来源

[来源] AI Engineering Field Guide(Alexey Grigorev,github.com/alexeygrigorev/ai-engineering-field-guide)

数据口径:编码轮部分来自 OpenAI/Anthropic/xAI/Microsoft 等公司一手面经;项目深挖部分来自 50+ 场 AI 工程面试的组织者观察。

本课为中文改编版,按本平台「1444 能力素养模型」做了 FDE 视角适配。

本课目录(7 节)

编码轮与项目深挖:渐进式考题与叙事漏斗

开场钩子

编码轮最流行的题型已经变了:不是一道孤立的算法题,而是一个有多级递进的大题——每一级都建立在你上一级的代码上。这意味着考的不再是"写出正确解",而是"初始设计能不能承重新需求"。而项目深挖的评分标准也变了:面试官用追问漏斗一层层往下钻,测的是你对项目的所有权深度。这节课拆这两场考试。

一、编码轮的两种形态

实现轮(45–90 分钟):构建、重构或补全一个有分量的东西,评代码质量、可扩展性和工程判断。典型是单题多级递进,代码必须可扩展,因为每级都长在前面代码上。真题:

  • 实现一个网页爬虫(逐级加限流、去重、分布式)
  • 重构 100–120 行深度嵌套的混乱代码
  • 从 SET/GET/DELETE 开始建一个 KV 数据库(逐级加 TTL、持久化)
  • Unix cd 命令的符号链接解析
  • 内存数据库:实现 SQL 式操作
  • 积分管理系统:跨发放/使用的积分状态 + 不同过期规则,逐级加复杂度

算法轮(15–60 分钟):具体问题测 DSA 深度(哈希、前缀树、链表、图、贪心)。真题:RLE 编码;0–100 内质数;O(1) LRU Cache;带约束的链表反转(AI 辅助轮——考你怎么有效指挥 LLM);Excel 列号转列名(702 → "AAA")。

ML/AI 编码:调试处理 embeddings 的代码;用 NumPy 实现带 SGD、L2 正则和早停的逻辑回归。

二、编码轮备考法

  1. 刷题打底:75+ 道 easy/medium,重点是数据结构(列表、集合、哈希、前缀树、链表)
  2. 建"可分层扩展"的项目来练手:KV 存储(先基础 → 加 TTL → 加持久化)、爬虫(单线程 → 限流 → 分布式)——这和渐进式考题的机制一模一样。先建干净版本,再限时练扩展。如果初始设计加新需求要重写,那就是重新设计的信号
  3. 边写边说出推理:AI 工具越来越多被允许,面试官看的是你怎么用——先理解再实现,而不是盲目粘贴
  4. 主动讨论时间/空间复杂度

常见错误:没澄清需求就动手;代码写死导致追问级需求一来就崩;盲目粘贴 AI 输出;被问到优化时无话可说。

三、项目深挖:考什么、怎么钻

形式:30–60 分钟。常见是对话式深挖(面试官对一个项目逐层下钻);少见是准备幻灯片(Anthropic:25 分钟讲 + 15–20 分钟追问)。高级别岗位可以一整小时只钻一个项目,行为与技术混合。

追问漏斗五层(每一层都有典型真题):

  1. 业务问题与上下文:解决什么业务问题?为什么是优先级?客户是谁?你的真实角色是什么?怎么向干系人沟通技术决策?
  2. 决策与权衡:为什么选这个方案而不是别的?做了哪些权衡,现在还认同吗?需求或规模变了怎么办?为什么选这个技术栈?
  3. 问题与调试:最难的技术决策是怎么做的?哪里出了问题?比预期难在哪?生产问题怎么排查的?
  4. 评估与结果:"这里真有评估框架,还是凭感觉?"**真的有效吗?你怎么知道的?**跟踪了什么指标?干系人什么反应?上线后怎么监控漂移?
  5. 学习与反思:重来一次会怎么做?多给时间你想探索什么?

面试官在评六个维度:技术领导力(你驱动了决策,还是只执行了别人的计划);决策洞察(说得出架构选择背后的理由);沟通清晰度;影响导向(想资源和业务结果,不只技术优雅);诚实自评(承认局限照样拿 offer);理解深度(追问能下钻多层)。

关键信号:最好的候选人用影响框架叙事("响应时间降了 40%"),而不是技术名词("用了 LangChain 和 Pinecone")。"我们选 Postgres 而不是 DynamoDB,因为报表层需要复杂 join,且写入量不足以成为关系库瓶颈"——这才是工程判断。

四、五段叙事结构

  1. 业务问题——解决什么、为什么重要、客户是谁、不解决会怎样
  2. 方案思路——高层怎么解、选了什么架构
  3. 关键决策——具体技术决策、为什么是这个、考虑过并否掉了什么
  4. 遇到的问题——哪里出错、比预期难在哪、怎么调试修复
  5. 结果——有效吗、怎么证明、什么指标

每个决策背后的 "为什么" 是最重要的部分。选一个能体现 ownership 的项目:近期的、从零开始的更好;别选一个你不是主要决策者的项目。

常见错误:独白不给提问留口;堆技术名词不讲决策与权衡;被追问实现细节时下不去;选错项目(你不是主角)。

对 FDE 的启示(1444 对标)

  • T3 智能体设计与构建:渐进式实现轮(爬虫/KV/积分系统)与 FDE 现场搭建客户系统的机制相同——需求逐级涌入,架构要能承接。平时练"可扩展初始设计"。
  • D2 沟通翻译与预期管理:五段叙事结构可以直接迁移成 FDE 的项目复盘汇报框架——业务问题 → 方案 → 决策 → 踩坑 → 结果。
  • D4 知识沉淀与反哺复用:把每个项目的"决策-权衡"写成文档,面试深挖和客户复盘时都是现成弹药。

本课自测

  1. 渐进式实现轮考的核心能力是什么?备考时应建什么样的项目?
  2. 追问漏斗的五层分别是什么?哪一层的真题是"凭感觉还是有评估框架"?
  3. 面试官评的六个维度中,"诚实自评"为什么重要?
  4. 用五段结构复述你最近的一个项目(口头练习,60 秒版本)。

随堂测

逐题作答,即时反馈

0 / 3 已作答
  1. 1. 渐进式实现轮中,如果你在初版代码基础上增加新需求时不得不大面积重写,根据讲义,这意味着什么?

  2. 2. 项目深挖的追问漏斗中,面试官问“这个项目真的有效吗?你是怎么知道的?跟踪了什么指标?”属于哪一层的典型真题?

  3. 3. 根据讲义的五段叙事结构,下列哪个顺序是正确的项目深挖叙事顺序?