real-company-interview-ai-coding-projects README

The project's README from github.com/CHENG-LIANG1/real-company-interview-ai-coding-projects. As one markdown file: README.md.

真实公司面试 AI Coding 项目

本仓库整理了三道来自真实招聘流程的 AI Coding 项目题,并给出一套可以复用于限时笔试、Take-home Assignment 和现场结对开发的通用方法。

为保护隐私,本文做了以下处理:

三道项目题

编号 项目 形态 主要考察 我的个人解法
01 Computer Use Agent Dashboard Web + Agent + 隔离桌面 Computer Use、工具循环、会话隔离、可观测性、运行时可靠性 ai-agent-dashboard
02 React Native 截图行动 Agent React Native / iOS,48 小时 多模态理解、结构化 Action、Human-in-the-loop、原生工具、Memory ContactFlow
03 Jira 风格任务管理系统 Web,一日 MVP 需求取舍、CRUD、看板拖拽、本地持久化、时间线、交付质量 ForceTrack

三个解法仓库是我针对对应题目的个人实现,包含源码、设计文档、测试与实际交付记录。本仓库继续只保留题目复盘和方法论。

ForceTrack:真实 AI Coding 对话历史

查看 ForceTrack 从 PRD 到 Repo Wiki 的 24 个真实对话轮次

通用方法

AI Coding 项目通用解法 将整个过程拆成:

  1. 需求澄清与范围冻结;
  2. Starter / 现有仓库审计;
  3. 数据、状态、工具与运行时设计;
  4. 垂直切片和 AI 任务拆分;
  5. 人工 Review 与自动化验证;
  6. 限时取舍、演示和最终交付。

三道题共同在考什么

三道题表面上分别是 Agent、移动端和项目管理系统,实际都在判断候选人能否:

真正拉开差距的通常不是代码量,而是:需求理解、架构边界、过程控制、验收证据和取舍能力。

阅读顺序

如果你准备类似笔试,建议先读三道题,再读通用解法。实际做题时,先复制通用解法中的需求矩阵、任务合同和交付检查清单,再根据题目删减。

说明

本文用于个人复盘、求职准备和工程学习。不同招聘流程的实际题面、时限与保密要求可能不同,请始终以你收到的正式材料为准。

real-company-interview-ai-coding-projects (CHENG-LIANG1/real-company-interview-ai-coding-projects)

Searching Database…

这是什么?对三个经过匿名化处理的真实公司 AI 编程面试带回家项目的整理(一个智能体仪表板、一个 React Native 操作智能体和一个 Jira 风格的任务工具),外加一套应对限时带回家作业和结对面试的通用方法。
这是实际的解题代码,还是只是题目解析?只是解析和方法论;每道题的实际解题代码都在各自单独链接的仓库里(ai-agent-dashboard、ContactFlow、ForceTrack)。
这些是原公司原封不动的题目描述吗?不是。这些题目经过匿名化和重构,只保留了技术目标、约束和验收标准,并非原题的逐字副本。
三个示例项目分别是做什么的?一个计算机操作智能体仪表板(web + 智能体 + 隔离桌面)、一个 48 小时限时的 React Native 截图操作智能体(多模态、人在回路),以及一个一天完成的 Jira 风格任务板 MVP(CRUD、看板拖拽、本地持久化)。
ForceTrack 的对话历史是用来做什么的?它展示了 Jira 风格任务板项目从最初 PRD 到仓库 wiki 的 24 轮真实对话,说明作者在那个带回家项目中实际是如何与 AI 协作的。
我能看到实际的解题代码吗?本仓库里看不到。每个完成的项目都有自己的独立仓库(ai-agent-dashboard、ContactFlow、ForceTrack),从对比表中链接过去。
Size
<0.1 MB
Stars
358
Updated
CommitAug 26
Age
1mo
Commits · 90 Days