11月面了8.9家AI前端岗,无一例外都过了

0 阅读6分钟

面到第5家的时候我已经不紧张了,甚至有点想笑——2026年的AI前端面试,跟两年前完全不是一个物种。没人让我手写防抖节流,没人问我Vue响应式原理。面试官坐下来,甩一个场景,然后盯着你,看你往下挖到第几层。

挑几个印象深的说。

字节,一面,下午两点。

面试官是个说话很平的人,没有寒暄,上来先让我讲项目里一句prompt到前端出UI的完整链路。我按顺序讲:后端组装上下文,模型流式吐结构化JSON,前端增量解析,按schema映射组件。他听完点了点头,然后问了一句我后来在另外三家被反复问到的话:

“这个JSON,你怎么保证它一定能被解析?”

我说我们会做容错解析,流式过程中维护一个未闭合括号的栈,每收到一个chunk尝试补全,补不上就挂起等下一个。他又追:“补全的JSON到了前端,渲染出来的卡片是有交互的,用户点了确认,前端怎么知道该请求哪个接口?”

我说组件schema里带了action字段,action名映射到注册表里的handler。他接着问:“那这个映射关系是前端写死的,还是后端下发的?”我说是前端维护一个受控的组件目录,后端只能从目录里选组件类型和action名,不能自己发明。

他停了两秒,问:“有听说过A2UI吗?”

我说有,本质上就是把“界面意图”和“执行权”拆开。Agent只输出声明式的组件树和数据绑定,不输出任何可执行的东西。面试官这时候才第一次在摄像头里露出一点表情,说:“对,很多人一上来就说JSON比HTML安全,其实安全不来自JSON,来自谁手里有代码执行权。”

字节这面我没被问到任何一道“八股”。手写题倒是有,写一个带maxcount和interval的重试请求函数,我说我平时用AI写这种,他说行,你写伪代码讲边界就行。

阿里,二面,周五晚上七点半。

阿里的面试官明显是做过工具调用类产品的。他没有问流式怎么实现,他问的是“流式还没结束,用户把页面关了,上游那个还在跑的模型调用你怎么办”。

我说AbortController掐掉,但难点不在掐,在于掐完之后旧流的onmessage可能还在往state里写,新流已经开始渲染了,得保证旧请求的引用彻底失效,不能靠一个flag判断,得把整个请求实例连根拔掉。

他接着问工具调用的状态机。我说待确认→执行中→成功/失败,每个调用带幂等key,防止用户双击或者网络重试导致重复执行。他追:“如果工具执行成功了,但前端没收到回调,状态卡在执行中,用户刷新页面,你怎么办?”

我说前端不能信任本地的“执行中”状态,刷新后以服务端返回的调用记录为准,本地状态只是乐观展示。他“嗯”了一声,说:“所以前端的状态机不能是权威源。”这句话我后来在美团也被问到了同一个逻辑,换了个壳而已。

腾讯,一面,上午十点。

腾讯这边有意思,面试官让我审一段代码。

他共享屏幕,贴了一段AI生成的React组件,流式对话里用来渲染消息列表的。语法全对,跑起来也不报错。他问:“你觉得上线会不会炸?”

我看了大概半分钟,看出两个问题。一个是每条消息的onClick回调每次渲染都新建一个箭头函数,父组件memo直接失效,流式输出的时候每来一个字整个列表重渲一遍。另一个是组件卸载后WebSocket的onmessage没解绑,旧监听还在往一个已经不存在的组件上setState。

我说完之后他补了一句:“还有,那个dangerouslySetInnerHTML,AI在渲染Markdown的时候给你塞进去了,你刚才没看到。”我确实漏了。他说没关系,这道题本来就是看你能不能找到运行时炸点,语法错误AI自己就改了,轮不到你审。

美团,二面,下午四点。

美团这边偏业务场景。面试官问:“一万条AI对话历史,用户搜一个关键词,你怎么做到毫秒级返回。”

我说前端搜不了,必须走服务端,但如果要做本地兜底,得把历史消息预处理好,建倒排或者至少分片索引,放IndexedDB或者Worker里,主线程只负责展示。

他接着问了一个我没有准备过的:“流式输出的时候,Markdown代码块标签被截断了,页面一直在闪,你怎么处理。”

我说不能等完整标签再渲染,得在流式解析器里维护一个不完整的tag缓冲区,遇到<开始挂起后续内容,直到>出现再提交,代码块的```同理。他又追:“解析放主线程还是Worker?”我说Worker,但Worker和主线程之间传流式chunk的序列化开销本身可能比解析还大,得用Transferable或者SharedArrayBuffer,不然省下来的主线程时间又赔进去了。

还有几家,说点不一样的。

有一家做AI Coding工具的创业公司,全程没问流式。面试官让我打开Cursor,现场改他们产品里的一个bug。给了一段他们线上真实的Agent工具调用代码,让我找出“假成功”的路径。我花了十分钟,发现他们在工具返回空结果的时候也走了success分支,UI上显示“已完成”,其实什么都没干。面试官说这就是他们上周的线上事故。

另一家做端侧的,问我10MB的ONNX模型在低端安卓机上怎么跑。我说WebGPU跑量化模型是加分项,但面试官真正想听的不是这个。我说先看设备能力,WebGPU不可用降WASM,WASM也扛不住就分片懒加载,只加载当前轮对话需要的层,精度从INT8退到INT4之前先评估掉点,最后留服务端兜底。他说:“对,跑通demo的人很多,知道什么时候不该在端上跑的人少。”

面完第8家那天晚上我坐在沙发上想,2026年的AI前端面试到底在考什么。

不是考你会不会调API。调API是最不值钱的那一层。它考的是AI产出的不确定性到你这一段能不能被收敛住。流式半包在你这里拼不拼得回去,工具调用假成功在你这里拦不拦得住,AI生成的组件在低端机上炸不炸,上下文溢出了你砍哪一段、保留哪一段。

两年前这些事在后端,现在一半压到了前端。不是因为前端变厉害了,是因为用户直接盯着的那块屏幕,容不得“大概能跑”。

8.9家全过,不是我背了多少题。是面试官问的每一个“然后呢”,我都能接上一句“但是这里还有一个坑”。

github:github.com/encode-stud…