ES6 面试题

共 51 道 ES6 面试题。答案默认折叠,便于先自行作答。 1. 说说 Class 语法糖的底层实现 难度:3 · 类型:QA 题目要点 class 是基于函数构造器和原型链的语法封装,实例方法本质挂载在 prototype 上,继承通过 Object.create 构建原型链,同时通过构造函数原型链继承静态方法。super 依赖内部 [[HomeObject]] 机制定位父类方法。class 并未引入新的对象模型,而是在原型继承基础上增加语义约束与语法增强。 参考答案 这个问题的关键在于理解:class 并不是一种新的面向对象机制,而是对 原型继承(prototype-based inheritance) 的语法封装。底层仍然是函数构造器 + 原型链。 如果把 class 当作 Java 那种基于类的模型去理解,就会产生误解。 先看一个简单例子: class Person { constructor(name) { this.name = name; } say() { console.log(this.name); } static create(name) { return new Person(name); } } 它在底层大致等价于: function Person(name) { this.name = name; } Person.prototype.say = function () { console.log(this.name); }; Person.create = function (name) { return new Person(name); }; 一、实例方法的实现 类中的方法: say() {} 本质是定义在 Person.prototype 上。 并且具有几个默认特性: 不可枚举(enumerable: false) 可写(writable: true) 可配置(configurable: true) 这和直接给 prototype 赋值略有区别,因为手动赋值默认是可枚举的。 二、constructor 的本质 constructor 本质仍然是一个函数。 但 class 定义的构造函数有两个特殊点: 不能作为普通函数调用 Person(); // 报错 必须通过 new。 默认开启严格模式(strict mode) 这是和 ES5 构造函数的重要差异。 三、继承的底层实现 class Student extends Person { constructor(name, grade) { super(name); this.grade = grade; } } 底层大致等价于: function Student(name, grade) { Person.call(this, name); this.grade = grade; } Student.prototype = Object.create(Person.prototype); Student.prototype.constructor = Student; // 继承静态方法 Object.setPrototypeOf(Student, Person); 这里有两个关键继承链: 实例继承链: Student.prototype → Person.prototype 构造函数继承链(静态方法继承): Student → Person 很多人只记得 prototype 继承,忽略了构造函数本身的原型链。 四、super 的底层机制 super 并不是简单的 Parent.prototype.method.call(this)。 它依赖于一个内部机制: [[HomeObject]] 当方法定义在 class 内部时,会隐式绑定一个 HomeObject,用于在运行时确定“当前方法属于哪个对象”,从而正确查找父类方法。 这也是为什么下面写法不能正确使用 super: const obj = { method() {} }; 只有 class 或对象字面量简写方法才有 [[HomeObject]]。 五、class 的一些“语法层面增强” 虽然本质还是原型,但 class 增加了一些语义约束: 方法默认不可枚举 必须使用 new 自动严格模式 支持 static 方法 支持 getter / setter 支持私有字段(#field) 尤其是私有字段: class A { #x = 1; } 这个已经不再是纯原型模拟可以实现的,而是引擎层面的私有槽(private slot),编译到 ES5 时通常需要 WeakMap 来模拟。 六、为什么说它是“语法糖” 因为: 实例仍然是对象 继承仍然是原型链 方法仍然挂在 prototype 上 构造器本质仍然是函数 class 并没有引入新的对象模型,只是让语法更接近传统面向对象语言,同时补充了一些约束与语义增强。 七、工程理解层面 理解 class 的底层实现非常重要,因为很多问题本质都是原型链问题: 方法查找路径 instanceof 判断机制 静态方法继承 super 调用行为 this 绑定 如果只停留在 class 表层语法,很难排查继承链相关问题。 ...

CSS 面试题

共 114 道 CSS 面试题。答案默认折叠,便于先自行作答。 1. Tailwind 的响应式断点(如 md:)底层如何实现? 难度:2 · 类型:QA 题目要点 Tailwind 的响应式断点基于构建期的变体系统实现。md: 在编译阶段被解析为 screen 变体,并根据 screens 配置生成对应的 @media (min-width) 包裹规则。所有响应式逻辑依赖原生 CSS media query,遵循 mobile-first 原则,通过规则生成管线支持多变体组合,不涉及运行时计算。 参考答案 这个问题的关键在于理解: md: 不是运行时逻辑,而是 构建期的变体(variant)展开机制。 在 Tailwind CSS 中,响应式系统建立在三个核心之上: screens 配置映射 变体解析机制 JIT 构建阶段规则生成 一、md: 本质是什么? 当写: <div class="md:text-red-500"> Tailwind 在构建阶段会将其解析为: variant:md utility:text-red-500 然后生成如下 CSS: @media (min-width: 768px) { .md\:text-red-500 { color: #ef4444; } } 关键点: md: 只是一个前缀标记 构建阶段转换成 @media 冒号会被转义为合法 CSS 选择器 二、断点从哪里来? 断点定义在配置文件中: // tailwind.config.js module.exports = { theme: { screens: { sm: '640px', md: '768px', lg: '1024px', xl: '1280px', } } } md 映射为: @media (min-width: 768px) 本质是一个键值映射表。 三、构建阶段做了什么? 在 JIT 模式下,流程是: 扫描源码中的 class 拆分出 variant 与 utility 生成基础规则 根据 variant 包裹规则 例如: md:hover:text-red-500 会解析为: variant1:md variant2:hover utility:text-red-500 生成结果: @media (min-width: 768px) { .md\:hover\:text-red-500:hover { color: #ef4444; } } 可以看出,变体系统是可组合的,类似规则生成管线。 四、为什么不是运行时判断? 原因有两个: 第一,性能稳定。 所有规则提前生成,浏览器只执行标准 CSS。 第二,逻辑简单。 完全依赖浏览器原生 @media 机制,不需要 JS 监听 resize。 五、移动优先原则 Tailwind 默认采用 mobile-first。 写法: text-red-500 md:text-blue-500 含义: 默认红色 屏幕宽度 ≥ 768px 时变蓝 生成顺序保证: 基础规则在前 media query 在后 利用 CSS 层叠覆盖 六、抽象理解 可以把 Tailwind 的响应式机制理解为: 对基础 utility 规则进行“包装”。 伪逻辑可以理解为: 生成基础规则 如果有 screen 变体 → 用 @media 包裹 如果有伪类变体 → 添加伪类选择器 这是一种构建期规则生成模型,而不是条件分支执行。 ...

AI相关 面试题

共 43 道 AI相关 面试题。答案默认折叠,便于先自行作答。 1. 如何实现 ChatGPT 类似的流式输出? 难度:1.5 · 类型:QA 题目要点 流式输出的核心是服务端通过 SSE、fetch stream 或 WebSocket 持续返回增量内容,前端通过 ReadableStream 边读边渲染。实现时要注意网络 chunk 不等于完整消息,需要做缓冲和协议解析。前端渲染要做节流,避免频繁状态更新导致卡顿。Agent 场景下建议使用结构化事件协议,把文本增量、工具调用、状态、错误、完成信号分开处理。最后还要支持取消、错误恢复、最终 Markdown 校正和滚动体验,才能达到接近 ChatGPT 的交互质量。 参考答案 类似 ChatGPT 的流式输出,本质是:服务端不要等完整答案生成后再返回,而是把模型生成的 token 或文本片段持续写入 HTTP 响应;前端边读边渲染,并在完成、取消、异常时维护好状态。 实际项目里最常见的是 SSE 或 fetch + ReadableStream。如果只是服务端向前端单向推送,SSE 足够稳定;如果需要双向实时交互,比如语音、多人协作、实时 Agent 控制,可以用 WebSocket。在 ChatGPT 这类文本生成场景中,fetch 读取流也很常用,因为它支持 POST、请求体、鉴权、AbortController,控制能力比原生 EventSource 更强。 前端核心代码大致是这样: async function streamChat(messages: any[], onDelta: (text: string) => void) { const controller = new AbortController(); const response = await fetch('/api/chat/stream', { method: 'POST', headers: { 'Content-Type': 'application/json', }, body: JSON.stringify({ messages }), signal: controller.signal, }); if (!response.ok || !response.body) { throw new Error('stream request failed'); } const reader = response.body.getReader(); const decoder = new TextDecoder('utf-8'); let buffer = ''; while (true) { const { value, done } = await reader.read(); if (done) break; buffer += decoder.decode(value, { stream: true }); const events = buffer.split('\n\n'); buffer = events.pop() || ''; for (const event of events) { const line = event .split('\n') .find((item) => item.startsWith('data:')); if (!line) continue; const data = line.replace(/^data:\s*/, ''); if (data === '[DONE]') { return; } const payload = JSON.parse(data); if (payload.type === 'delta') { onDelta(payload.content); } } } controller.abort(); } 服务端返回时通常使用类似这样的协议: data: {"type":"delta","content":"你好"} data: {"type":"delta","content":",这是流式输出"} data: {"type":"done"} 前端不要直接假设每个 chunk 都是完整 JSON,因为网络分片可能把一个 JSON 拆开,也可能把多个事件合在一起。所以需要 buffer,按约定分隔符,比如 \n\n,拆成完整事件再解析。 渲染层需要注意两点。第一,状态更新不能过于频繁,否则 React 会因为每个 token 都 setState 而出现卡顿。更稳的做法是先把增量内容追加到临时变量里,再用 requestAnimationFrame 或节流批量刷新 UI。第二,如果内容需要 Markdown 渲染,流式阶段可以渲染一个“尽量正确”的中间态,最终完成后再做一次完整 Markdown 渲染,避免代码块、表格、链接在半截状态下解析异常。 在 Agent 场景里,协议最好不要只传纯文本,而是传结构化事件。例如: type StreamEvent = | { type: 'message_delta'; content: string } | { type: 'tool_start'; toolName: string; input: unknown } | { type: 'tool_result'; toolName: string; output: unknown } | { type: 'status'; message: string } | { type: 'error'; message: string } | { type: 'done' }; 这样前端可以把“模型正在思考”“调用工具”“工具返回结果”“继续生成回答”这些状态分开展示,而不是把所有内容混成一段字符串。ChatGPT 类产品的体验重点不只是逐字输出,还包括中断、重试、滚动跟随、错误恢复、消息状态、工具调用状态这些细节。 还要处理取消请求。用户点击停止生成时,前端用 AbortController.abort() 取消请求,后端也需要监听连接关闭,停止模型调用和工具执行,避免资源继续消耗。 const controller = new AbortController(); fetch('/api/chat/stream', { method: 'POST', signal: controller.signal, }); // 点击停止 controller.abort(); ...

Agent 面试题

共 119 道 Agent 面试题。答案默认折叠,便于先自行作答。 1. 如何设计一个企业级 AI Agent 平台? 难度:3.5 · 类型:QA 题目要点 企业级 AI Agent 平台的设计重点不是“接一个大模型接口”,而是围绕业务任务构建完整体系:前端提供可解释、可配置、可监控的交互体验;中间层负责 Agent 编排、工具调用和知识增强;底层统一管理模型、数据和企业系统;治理层保障权限、安全、审计、评测和成本控制。真正可落地的平台,一定是在智能能力和工程确定性之间取得平衡。 参考答案 企业级 AI Agent 平台不能只设计成一个“聊天入口”,更应该设计成一个可治理、可扩展、可观测的智能任务执行平台。它的核心目标是让企业可以安全地把大模型能力接入真实业务流程,例如客服、知识检索、数据分析、代码辅助、审批流、运营自动化等场景。 从架构上看,可以分为四个关键层次:前端体验层、Agent 编排层、能力接入层和企业治理层。 前端体验层不应该只有 Chat UI,而要支持多种交互形态。对于普通用户,可以提供对话式入口、任务面板、历史记录、引用来源、执行进度和人工确认节点;对于业务管理员,需要有 Agent 配置台,可以配置角色、Prompt、工具权限、知识库、工作流、触发条件和发布版本;对于运维和安全人员,则需要看到调用链路、成本消耗、失败原因、审计日志和风险拦截记录。 Agent 编排层是平台的核心。这里不能简单地把用户输入直接发给模型,而是要经过意图识别、上下文构建、计划拆解、工具选择、执行反馈和结果汇总。复杂任务通常需要支持多 Agent 协作,例如一个 Agent 负责理解需求,一个 Agent 负责查知识库,一个 Agent 负责调用业务系统,还有一个 Agent 负责校验输出质量。对于企业场景,工作流式 Agent 和自主规划式 Agent 往往要结合使用:高风险业务用确定性流程约束,低风险探索任务可以给 Agent 更高自主度。 能力接入层主要解决模型、知识和工具的问题。模型层需要做统一网关,屏蔽不同模型厂商差异,支持模型路由、降级、限流、重试和成本统计。知识层通常采用 RAG 架构,需要处理文档解析、切片、向量化、权限过滤、召回排序和答案引用,避免 Agent 编造来源。工具层则要把企业内部系统封装成标准 Tool,例如 CRM、工单、审批、BI、代码仓库、飞书、邮件、数据库等,同时每个工具都要有清晰的输入输出 Schema、权限边界和幂等设计。 企业级平台最容易被低估的是治理能力。Agent 一旦可以调用工具,就不再只是“生成文本”,而是在执行真实操作,所以必须有权限控制、数据脱敏、敏感词策略、操作审计、人工确认和回滚机制。例如查询类工具可以自动执行,但转账、删除、发公告、修改生产配置这类操作必须进入 human-in-the-loop 流程。平台还需要支持租户隔离、部门权限、知识库权限继承和操作留痕。 前端设计上,要重点解决“可解释”和“可控”。用户不能只看到一个最终答案,而应该能看到 Agent 做了哪些步骤、用了哪些知识、调用了哪些工具、哪些地方失败了、是否需要用户确认。对于长任务,要有状态机式的任务视图,而不是让用户一直等在输入框前。对于企业用户来说,信任感往往来自透明度,而不是更拟人的回复。 另外,平台需要内置评测体系。Agent 发布前要经过离线评测,例如准确率、召回率、幻觉率、工具调用成功率、越权风险和响应时延;上线后要持续收集用户反馈、人工纠错、失败样本和成本数据,再反向优化 Prompt、知识库、工具描述和模型路由。没有评测闭环的 Agent 平台,很难在企业里长期稳定运行。 工程实现上,前端可以采用 React + 状态管理 + 可视化流程编排组件,后端提供 Agent Runtime、Tool Registry、Model Gateway、Knowledge Service、Audit Service 等模块。前后端协议要尽量事件化,例如通过 SSE 或 WebSocket 推送 Agent 的思考阶段、工具调用、执行结果和最终答案,这样前端可以呈现流式输出和任务进度。对于高并发场景,还需要队列、任务恢复、超时控制和异步执行能力。 ...