腾讯搜狗输入法后台二至四面：AI 代码可靠性与测试
本场面试题
- 平时做需求，怎么保证 AI 写代码的输出可靠？
- 怎么设计测试用例？
- AI 以后会完全取代程序员吗？人在哪些场景能起作用？
面经与参考答法
腾讯搜狗输入法后台二至四面：AI 代码可靠性与测试
原帖自述搜狗输入法后台开发秋招，按二面、三面、四面记录，合为一条面试流程；正式团队名称和面试日期未知，不把发布时间当作面试日期。本页选“其他问题”中的三组明确追问，C++、操作系统与算法题未展开，未披露的 Agent 使用问题不补成实际故障。经历未经外部核实；短答与示例为编辑补充的学习材料，不代表现场回答或公司的实际工具、流程。
（1）平时做需求，怎么保证 AI 写代码的输出可靠？
先把需求、代码基线、约束和验收条件说清，再让模型做可审查的改动。结合类型与静态检查、针对行为的测试、差异审查和必要的真实集成，核对实际结果与副作用；检查失败就回到具体证据定位，保留版本与执行记录。测试通过、另一个模型说正确或模型宣称完成，都不能独自证明需求已满足，敏感操作仍需明确权限与责任边界。
教学示例（非原面试实现）：AI 修改缓存读写后，应按需求核对失效规则，并验证过期、异常与并发路径；先看实际差异和测试证据，再决定是否接受改动，不能只凭成功编译。
（2）怎么设计测试用例？
先确定输入、前置状态、预期结果和不能破坏的约束，再覆盖正常、边界、非法输入、依赖故障与历史回归。把断言放到能有效发现问题的层级：确定性逻辑用单元测试，外部协议用集成测试，跨组件关键流程用端到端测试。若包含 Agent，再检查工具轨迹、环境终态与模型波动；覆盖率和一次通过不能替代对遗漏场景的检查。原帖没有披露具体用例或测试框架。
教学示例（非原面试实现）：假设新增批量接口，除正常数据外，还检查空批次、边界数量、非法输入和超时后重试，并断言结果与副作用次数。Mock 可以验证调用形状，仍需适量真实测试环境验证协议。
（3）AI 以后会完全取代程序员吗？人在哪些场景能起作用？
不能从当前演示推断职业未来。讨论时可先拆分工作：模型能辅助生成、解释和转换代码，是否适合某项任务仍需实际验证；需求是否正确、证据是否充分、权限和风险怎样取舍、产物是否满足约束及谁承担交付责任，都需要明确负责的人员与制度。生成了代码不等于完成了工程，当前能力边界也不是对未来能力的永久结论。
教学示例（非原面试实现）：模型生成数据导入脚本后，团队仍要确定允许处理的数据、异常处置与回滚条件，并独立核对目标状态。这里讨论工程职责，没有给出就业数量或替代时间预测。