面经基本信息：字节跳动
- 日期：2026-06-24
- 适用难度：中级
内容说明
本篇为社区对用户分享面经的整理汇编，旨在帮助求职者了解面试考察方向。问题部分力求忠实还原原帖问答脉络；「参考答案 / 复盘思路」为整理方结合工程实践原创补充，仅供交流参考，不代表官方标准答案。
面试问题与参考答案 / 复盘思路
1. 请介绍一下自己。
参考答案 / 复盘思路： 自我介绍不能变成技术名词罗列。可以用“当前岗位与方向—最相关的项目—本人负责的模块—可量化或可验证的成果—为什么匹配岗位”串起约一分钟的叙述。涉及AI测试时，重点说明你做过哪类评测、如何设计基准样本、怎样识别回归，以及与开发协作如何落地。没有亲自做过的工具和指标不要硬写，面试官通常会沿着你说出的关键词追问。
2. TikTok与如流的主要用户和使用场景有何不同？质量保障重点应如何区分？
参考答案 / 复盘思路： 先确认对比对象：TikTok偏向面向公众的内容与互动场景，如流偏向企业沟通与协作。两者不能只按“用户量大/小”比较。前者重点关注推荐、视频播放、互动、地域网络与内容安全；后者关注组织权限、消息可靠送达、文件与会议协作、企业数据隔离。设计测试时按核心用户旅程列风险，再定义延迟、成功率、越权访问和弱网恢复等指标。面试里可以说明这是基于产品定位的推导，不假装知道内部架构。
3. 你的Agent项目承担什么任务，采用了什么范式，为什么选择原帖所写的PAE？
参考答案 / 复盘思路： 先用一条真实任务链说明输入、状态、模型决策、工具执行与最终验收。原帖只写“p a e”，没有给出完整英文名称，因此不能擅自认定它对应某个特定框架；回答时应先向面试官确认术语含义。随后解释选型：如果任务步骤确定、合规要求高，优先可控的工作流；如果工具路径难预测，可引入动态规划，但要配置步数、预算、权限与人工确认。比较时用任务成功率、调用成本、异常恢复能力来验证，而不是说某范式更先进。
4. 实习中使用Skill前后有什么差别，你怎样评估这种变化？
参考答案 / 复盘思路： Skill的价值要从行为差异证明，而不是凭感觉说“更聪明”。选择固定且分层的任务集，包含正常、边界、失败恢复和诱导误用场景，分别运行启用与禁用Skill的版本，锁定模型、提示词及工具权限等其他变量。记录任务完成率、正确工具调用率、人工接管率、延迟与token成本，并人工抽查“完成但做错”的案例。对高波动任务多次重复，报告均值与离散程度；如果速度提升却越权率上升，就不能宣称整体质量提升。
5. 请描述部门Web UI Agent的完整工作链路，指出你认为不合理的环节及改进方案。
参考答案 / 复盘思路： 可以按“理解用户目标—获取页面状态—选择操作—执行点击或输入—观察新状态—断言业务结果—生成证据”逐步描述。重点检查三个脆弱点：截图或DOM过期导致定位错误、动作成功却没有业务断言、异常重试造成重复提交。改进可以采用语义定位加稳定属性、每步动作后重新观察页面、危险操作幂等保护，并保存截图、Trace与动作序列。最后以跨页面任务成功率、误操作率和恢复成本评估，避免只看脚本有没有跑完。
6. 除了Agent或Skill，你还做过哪些测试提效工具？
参考答案 / 复盘思路： 回答要挑自己真正做过的一件工具讲透：它原先消耗谁的时间、输入输出是什么、怎样接入测试流程、失败时如何回退。比如接口数据构造器，可描述从OpenAPI Schema生成边界样本、校验关联字段、自动清理测试数据的过程。证明价值不能只报生成速度，应比较人工修改比例、用例有效率和缺陷发现能力。若没有相应项目，就如实谈探索或原型，明确尚未上线的限制，避免把方案当经历。
7. 面向广告投放业务，QA更应关注哪些质量风险？
参考答案 / 复盘思路： 广告链路至少有投放配置、定向、竞价、曝光、点击、归因、计费和报表。QA不仅检查按钮与接口，还要校验“曝光与点击是否去重、转化是否正确归因、预算是否超花、地域和人群是否符合规则”。设计端到端对账：把原始事件、计费流水和报表汇总按相同时间窗比对，并覆盖重试、乱序、延迟上报与跨时区。涉及推荐或模型时，补充分桶实验、偏差监测和业务护栏指标，不能单凭点击率判断质量。
8. 现场算法题题干未披露；面试官要求以QA视角为所写函数设计测试用例。
参考答案 / 复盘思路： 原帖没有提供具体算法，因此不能编造题目或解法。真正可复用的是“先确认函数契约，再构造反例”的过程：明确输入类型、合法范围、返回值和异常约定；选取最小输入、空值、重复值、极端长度、非法参数及随机数据。对确定性算法建立参考实现或不变量，用参数化测试和属性测试覆盖；对复杂度则用大规模输入验证超时和内存风险。面试中要解释每组用例试图击穿哪条假设，而非只说正常、异常、边界三类。
9. 历史测试用例描述模糊、缺少可执行信息，你会怎样改进？
参考答案 / 复盘思路： 先把“检查页面正常”这样的句子转成可复现契约：前置状态、操作步骤、测试数据、可观察结果、失败证据与清理动作。对相似场景建立参数化模板，但不要把业务差异抹平。若用大模型辅助改写，先以需求和接口契约作为检索依据，输出必须经人审或规则校验，尤其核对预期结果是否凭空生成。可通过需求覆盖率、用例评审退回率、自动化转换成功率及线上漏测案例来衡量改进。
10. 你如何保证RAG检索结果的正确性？
参考答案 / 复盘思路： 先区分“找对文档”和“生成回答忠实”是两道门槛。检索侧构建带证据文档ID的标注集，分别测Recall@K、Precision@K、MRR及权限过滤；对文档新增、更新和删除做增量回归。生成侧要求引用片段能支撑结论，抽查无依据扩写与过期知识。若检索失败，按入库解析、切片、向量模型、查询改写、混合检索、重排逐层定位。注意单纯调大TopK可能提高召回，却增加噪声与成本，应联合评估。
11. 你目前所在地、预计到岗时间与可实习时长如何安排？
参考答案 / 复盘思路： 这属于招聘匹配信息，不是技术题。建议如实回答当前城市、最早可到岗日期、学校或工作的硬约束、可连续实习的月份，以及需要远程或请假的时间。不能为了拿到下一轮机会虚报到岗时间。若安排尚未最终确定，可以给出确定部分和最迟确认节点，让招聘方能评估排期。
延伸思考（社区补充）
如果Web UI Agent在固定基准集上的任务完成率上升，但重复点击导致的业务副作用也增加，你会如何设计发布门禁？建议区分任务成功、状态正确与副作用安全，设置危险动作回放、幂等性验证和独立的越权护栏。
