按公司整理的 AI Coding 实战真题（背景 + 要求 + 追问），整理自公开面经。先自己限时跑一遍，再看要点。

美团 · 商品自动审核系统

全程用 AI 辅助完成方案设计与核心实现，必须回答 5 个子问题：

1. 任务拆解：至少拆成 5 个原子任务，标注每个的输入输出
2. 决策边界：哪些任务不能交给 AI 自主决策，说明原因
3. 置信度路由：设计高/中/低三档策略——自动通过 / 人工复核 / 自动拦截
4. 代码审查：对 AI 生成的违禁词检测模块，合并前至少检查 5 项并说明生产风险
5. 测试设计：至少 3 个边界场景及选择理由

打法：审核系统的拆解骨架——接入 → 预处理 → 违禁识别 → 人工复核队列 → 结果回写；不能交给 AI 决策的：处罚类判定（合规风险）、阈值设定（业务责任）；边界场景：空输入、超长文本、变体绕过（谐音/拆字）、多语言混合、批量攻击。

蚂蚁 · 终端早餐店系统（限时多终端 TUI）

• 三个终端：叫号牌端（8024）、顾客端（8025）、店主端（8026）
• 状态机必须按规定流转：待确认 → 已确认 → 制作中 → 待取餐 → 已支付，两条"已取消"分支，不能跳过中间状态
• 加分项：持久化存储（重启不丢订单）、店主专属权限控制、易读的终端界面
• 交付物：完整可运行代码、测试脚本与结果、安装/启动/使用说明

打法：先把状态机写成显式的合法转移表喂给 AI（这是"不能跳过状态"的唯一可靠保证）；三个终端用同一个存储（SQLite/JSON 文件）+ 端口分进程；持久化和权限是评委明示的加分项，做完主体必补。

快手 · AI 从零开发简化电商项目

7 个追问：如何拆需求排顺序、需提前给 AI 哪些信息、如何限制修改范围防过度设计、如何验收符合原始需求、设计哪些测试异常场景、Spec Coding 与 Vibe Coding 区别、AI 连续出错如何接管。

打法：Spec Coding = 先写清楚规格让 AI 实现（可控、适合核心逻辑）；Vibe Coding = 快速对话式迭代（适合探索和脚手架）。接管话术：连续 2~3 次修不好就停下——缩小复现、自己读代码定位、手改关键处再让 AI 继续，不要和 AI 死循环。

阿里千问 · 高性能增量数据同步 CLI

面试官追问：核心功能有哪些、高性能如何实现、如何避免 AI 回答跑偏。延伸：中断后如何恢复、断点续传、数据一致性、并发性能验证。

打法：这道和实习的 Binlog2Hive 完全同构——锚点续传、幂等去重、断点恢复、并发验证一套话术全用得上（见 Binlog2Hive 链路设计 Q4/Q7/Q18/Q20）。防跑偏：每轮对话限定修改的文件范围 + 让 AI 复述需求确认后再动手。

字节 · Vibe Coding 做 Project

45 分钟左右，用 Cursor/Trae 等工具现场完成一个实际小项目（面经案例：做一个 project/小工具）。评分看过程 + 结果：结果 = 任务完成度；过程 = 与 AI 的协作质量——需求怎么拆、prompt 怎么给、AI 出错怎么发现和纠正。

打法：前 5 分钟别写代码——把需求拆成 3~5 个可验收的子任务列给面试官看；每个子任务"限定范围 → 生成 → 运行验证 → 再下一步"；留最后 10 分钟跑通完整流程 + 写使用说明（交付物完整性是明显加分项）。

口头场景题（穿插在项目与工具追问里）

1. "在 vibe coding 盛行的当下，你的优势是什么？"——答五项能力：定义问题、构建上下文、验证结果、做决策、控成本；别说"AI 做不了复杂业务"
2. "你负责的项目里，哪些让 AI 写，哪些自己写？"——脚手架/样板/测试用例让 AI；核心业务逻辑、安全与架构决策自己把关
3. "你怎么审查 AI 生成的代码？"——三个维度：业务语义、安全风险（注入/越权/密钥泄漏）、工程性（可读/可测/符合项目规范）
4. "AI 生成的代码出了线上 bug 怎么处理？"——先止损回滚 → 复现定位 → 修正 → 复盘流程缺口（为什么 review 没拦住）
5. "让 AI 修，AI 也修不好怎么办？"——接管三步：缩小复现、自己读代码定位、手改关键处
6. "AI 编程的 Token 成本怎么控制？"——模型路由（简单任务用小模型）、上下文管理、Prompt 优化、缓存复用、任务评估
7. "团队怎么管理 AI 生成的代码？"——统一 review 标准 + cursorrules 规范 + CI 门禁
8. "怎么保证不泄露公司代码？"——.cursorignore/.aiignore 排除敏感文件、私有化部署的模型、合规审批