腾讯微信支付后台开发日常实习一面
本场面试题
- 50 分钟内如何设计一个 AI 软件工厂 MVP？
- 怎样让 Agent 24 小时工作而不失控？
- 上下文压缩、RAG 和微调分别解决什么？
面经与参考答法
腾讯微信支付后台开发日常实习一面
作者记录这轮一面的面试日期为 2026 年 8 月 11 日；该时间为作者自述，未独立证实。
这是一份第一手日常实习一面记录。面试包含软件工程基础、50 分钟开放设计题，以及 AI 软件工厂如何长期自治。本文去除个人背景，只保留问题与可复习的回答框架。
同一原问涉及多个既有专题时，下方分列复习入口；它们不代表新增独立题目或面试流程。题后的回答均为整理教学，不是候选人现场作答。
（1）线程与进程、TCP 与 UDP 应怎样比较？
（1）线程与进程、TCP 与 UDP 应怎样比较？
关联知识点待核实。
进程是资源隔离和分配单位，线程是进程内的执行调度单位；线程切换与通信通常更轻，但共享地址空间也带来竞争和故障扩散。TCP 提供面向连接、可靠、有序的字节流，UDP 保留报文边界、开销较低但不保证可靠与顺序。回答时要结合场景：实时音视频可能接受少量丢包，支付指令则更看重可靠、幂等和可审计。
（2）数组、链表、栈和队列怎样选？
（2）数组、链表、栈和队列怎样选？
关联知识点待核实。
数组适合连续存储、随机访问和缓存友好的扫描；链表适合已持有节点位置时的局部插入删除，但随机访问慢且额外指针会增加空间与缓存未命中。栈是后进先出，可用于调用、撤销和 DFS；队列是先进先出，可用于任务调度和 BFS。不要只背复杂度，还要说明内存布局与实际访问模式。
（3）乐观锁和悲观锁的边界是什么？
（3）乐观锁和悲观锁的边界是什么？
关联知识点待核实。
悲观锁先取得排他能力，适合冲突高、临界区短且失败重试代价大的场景；乐观锁以版本号或 CAS 检测冲突，适合读多写少，但高竞争下会产生大量重试。无论选哪种，都要处理超时、锁持有者故障、幂等和可观测性。
（4）50 分钟内如何设计一个 AI 软件工厂 MVP？
（4）50 分钟内如何设计一个 AI 软件工厂 MVP？
先把范围缩到一条能演示的闭环：输入需求与验收标准，Planner 生成任务，Coding Agent 在隔离工作区修改代码，Runner 执行静态检查和测试，Reviewer 审查 diff，最后输出制品与证据。状态机必须区分计划、执行、验证、失败和人工接管；每一步记录输入、工具调用、产物与退出原因。
（5）同一原问的复习入口（用状态机建模 Agent 行为）：50 分钟内如何设计一个 AI 软件工厂 MVP？
先把范围缩到一条能演示的闭环：输入需求与验收标准，Planner 生成任务，Coding Agent 在隔离工作区修改代码，Runner 执行静态检查和测试，Reviewer 审查 diff，最后输出制品与证据。状态机必须区分计划、执行、验证、失败和人工接管；每一步记录输入、工具调用、产物与退出原因。
现场不应追求完整平台。优先交付一个可运行仓库、一条真实任务和失败可见的日志，再说明权限、扩容和多租户如何演进。
延伸阅读：Coding Agent 的架构与执行循环、用状态机建模 Agent 行为。
（5）知识怎样沉淀和复用？
（6）知识怎样沉淀和复用？
关联知识点待核实。
将通过验证的计划、补丁模式、失败原因和项目约束提炼成结构化经验，并绑定代码版本、适用范围和质量证据。检索时结合仓库、语言、任务类型和新鲜度过滤；复用后仍要重新跑当前项目的质量门。未经验证的轨迹只能作为候选，不能直接写进长期记忆，否则错误会反复放大。
（6）怎样让 Agent 24 小时工作而不失控？
（7）怎样让 Agent 24 小时工作而不失控？
“无人值守”不等于没有边界。任务进入持久队列，Worker 通过租约领取；每一步设置 deadline、最大轮次、Token 和费用预算，副作用操作使用幂等键。失败按可重试、需补偿、需人工处理分类；进程重启后从检查点恢复。发布、付款、删除和权限变更等高风险动作仍需审批。
延伸阅读：失败分类、重试、补偿与恢复。
相关机制阅读（不计专题频次）：队列、Worker 与长任务执行。持久任务、租约心跳、检查点和重投/扫描是一种可靠性方案；原文未明问 MQ、ACK 或 Worker 专项，也不能承诺完全无需人类干预。
（7）上下文压缩、RAG 和微调分别解决什么？
（8）上下文压缩、RAG 和微调分别解决什么？
上下文压缩减少当前请求中的冗余信息；RAG 在推理时引入可更新、可引用的外部知识；微调改变模型在某类输入上的行为分布。资料经常变化且要求引用时优先 RAG，稳定的风格或任务行为才考虑微调。三者可以组合，但应先用评测集证明瓶颈在哪里。
（9）同一原问的复习入口（RAG 完整流程实战）：上下文压缩、RAG 和微调分别解决什么？
上下文压缩减少当前请求中的冗余信息；RAG 在推理时引入可更新、可引用的外部知识；微调改变模型在某类输入上的行为分布。资料经常变化且要求引用时优先 RAG，稳定的风格或任务行为才考虑微调。三者可以组合，但应先用评测集证明瓶颈在哪里。
延伸阅读：上下文压缩、摘要与裁剪、RAG 完整流程实战。
（8）React 是什么，为什么开放题仍会问它？
（10）React 是什么，为什么开放题仍会问它？
关联知识点待核实。
React 用组件和声明式状态描述界面，通过协调更新把状态变化映射为 UI。AI 软件工厂的前端要展示流式输出、工具步骤、审批、失败与恢复，因此回答不应停在“虚拟 DOM”，还要说明状态边界、列表身份、取消请求和错误处理。