跳转至

🤖 AI 时代面试题

前端 + AI 的岗位变化、Copilot 协作、AI 应用架构、提示工程。依据 MDN AI 前端实践、OpenAI API 文档、Anthropic 文档。覆盖当下与未来高频话题。

1. 岗位与能力变化

Q1：AI 时代前端的核心价值变了吗？

  • 没变：用户体验、性能、可维护性、对业务的理解、架构决策能力。
  • 变化：重复编码被 AI 接管，人更聚焦需求拆解、方案权衡、质量把关、端到端交付。

Q2：会用 AI 编程工具和不会用，差距在哪？

  • 会用：把需求拆成清晰 prompt、给足上下文、能 review AI 输出、知道何时采纳何时推翻。
  • 不会用：直接复制代码、不验证正确性，反而更容易埋坑。

Q3：AI 会取代前端吗？

  • 短期不会取代"会思考的前端"，会取代"只会复制粘贴的前端"。AI 擅长实现，弱在业务判断、边界处理、跨团队协作、责任归属。

2. 协作流程

Q4：如何高效使用 Copilot / ChatGPT 写代码？

  • 给上下文：技术栈、约束、输入输出示例、已有代码风格、目标产物形态。
  • 小步验证：每次只让改局部，跑通再继续。
  • 永远 review：AI 不懂你的业务边界，产出需人工校验（尤其安全/权限）。

Q5：什么是提示工程（Prompt Engineering）？前端怎么用？

  • 把任务目标、约束、格式、示例写清楚，让模型稳定产出。
  • 前端常用于：生成组件代码、批量写单测、生成文档、把设计稿转代码（D2C）。

Q6：AI 生成的代码如何保证质量？

  • 必须过 lint / 类型检查 / 单测；对涉及权限、金额、数据的逻辑人工复核；不把密钥/隐私喂给外部模型。

3. AI 应用架构

Q7：前端如何接入大模型 API？为什么不能直连？

  • 直连（key 在前端）：密钥泄露风险，仅适合个人 demo。
  • 正确：经自建后端代理隐藏 key、加限流、审计、统一错误处理。

Q8：什么是流式输出（打字机）？怎么实现？

  • 后端用 SSE（text/event-stream）或 WebSocket 分块推送 token，前端逐段渲染 ReadableStream / EventSource。

Q9：什么是 RAG（检索增强生成）？前端做什么？

  • 先把业务文档向量化入库，问答时检索相关片段拼进 prompt，让模型基于"已知资料"作答，减少幻觉。
  • 前端负责：文档上传、检索触发、流式展示、引用来源标注。

Q10：Function Calling / 工具调用是什么？

  • 让模型在对话中"调用"你定义的函数（如查订单、调接口），前端负责注册工具、执行调用、回传结果。

Q11：前端 AI 应用常见功能模块？

  • 对话 UI、流式渲染、上下文/多轮管理、工具调用可视化、错误兜底、内容安全过滤（防越权/敏感输出）、用量统计。

Q12：AI 应用的性能与体验注意点？

  • 首 token 延迟（流式尽早出）、中断/重试、乐观 UI、降级方案（模型不可用时的兜底）、输入长度限制、成本控制。

4. 下一步