社招时间线

全程面试时间都是候选人定的，字节效率还是非常高的

• 10.23 HR电话沟通约面
• 10.28 技术一面（两小时后告知通过约面）
• 10.30 技术二面（半小时后告知通过约面）
• 11.4 技术三面（两小时后告知通过约面）
• 11.5 HR面（三小时后告知通过）
• 11.5 OC
• 11.5 收集薪资流水证明
• 11.6 谈薪
• 11.11 书面offer

面试

基本都是从简历出发深挖问题，没有太多通用性，仅列出偏技术点不涉及具体项目的问题。
因为AI相关内容较多，所以问题也偏AI。

技术一面（1h）

1. 代码输出题：闭包与变量提升相关
2. 手写题：数组转树形结构
3. 手写题：实现带并发限制的异步任务调度器
4. Promise 相关方法及应用场景
5. JS 中 this 的指向是如何确定的？
6. 覆盖数组 forEach 方法时，内部的 this 指向谁？
7. 前端跨域的解决方案？
8. Nginx 代理和 CORS 解决跨域原理上的区别？
9. 介绍一个对自己成长帮助最大或难度最大的项目
10. 介绍一下大数据量下的性能优化实践
11. setTimeout 的时间间隔是如何确定的？
12. AI 在你工作中的应用场景？如何处理 AI 生成代码的 Bug？
13. 项目经历深挖

技术二面（1h）

1. AI 服务与模型选择
2. 微前端与应用间通信
3. Web Worker 的使用场景和原因
4. AI 编程的更多探索
5. MCP (Model Context Protocol) 的使用
6. 对 Agent 模式的了解
7. SSO 单点登录方案
8. 项目经历深挖
9. 职业规划
10. 手写题：实现带重试和超时的 fetch
11. 手写题：实现函数柯里化

技术三面（1h）

1. AI 提效带来的研发流程变化
2. AI 编程采纳率与遇到的问题
3. 提升 AI 采纳率的思考
4. Design to Code (D2C) 的思考
5. 提示词（Prompt）的编写与迭代
6. Web Worker 的原理与实践
7. 离职原因与当前状态
8. ECharts 大数量下的性能优化，场景题
9. 项目经历深挖
10. Webpack vs Vite
11. 手写题：实现异步任务调度器（一面题的变式，若未复盘追问会写不出）
12. 职业规划、工作强度与学习方式

HR面（50min）

1. 离职原因 & 职业规划
2. 前司经历 & 成就复盘
3. 项目深度剖析
4. 求职动机 & 对 AI 的思考
5. 薪资期望

总结

• 前端基础：前端基础一定要扎实，每个点都会问到原理层面
• 项目深挖：简历上的项目必须经得住“拷打”，要能从业务逻辑讲到技术选型，再到底层实现原理；每个点都可能被层层追问
• AI相关：现在行业普遍看重具备 AI Native 思维 的研发工程师，要对 AI 技术保持好奇和实践敏感度
• 职业规划：技术面和 HR 面都会问，尤其是每段经历的离职和求职动机，提问会很犀利
• 手写题：虽然准备了hot100的算法没考到，但是还是准备着比较好，JS 手写题不仅要写得出，还要能现场讲清思路、分析边界，并应对变式和追问

分享

这次面试也是重新梳理准备了一遍八股文，因为原本技术栈主要是Vue所以没有React相关的梳理，大家有需要的可以参考，有错误的地方欢迎评论区交流指正~
【前端面试】HTML篇
【前端面试】CSS篇
【前端面试】JS篇
【前端面试】Vue篇
【前端面试】Git篇
【前端面试】前端性能优化篇
【前端面试】手写题篇
【前端面试】浏览器&网络篇
【前端面试】前端工程化篇

结尾

本次面试最深的感受就是，网上的面经其实参考意义已经没有很大了，更多的是参考每家公司的面试风格与侧重。每段经历都要经得起“拷打”，思考问题要全面有深度，面对很多犀利的有压力的提问也要快速反应。

有个小经验可以分享给大家，面试的时候录音，面试后直接把录音转文字的内容写到IDE的新建md文档中，让AI帮你做梳理和复盘会非常高效。除此之外，在简历编写和项目深度问答方面都可以让AI协助mock面试，并做进一步复盘总结也很好用。

祝愿看到这篇文章的大家都能拿到满意的offer~ 有什么问题欢迎在评论区交流~