大厂技术面试中的开放类问题该怎么答？

如何面试大厂系列

序号	内容	链接地址
1	大厂面试时，面试官会考查哪些能力？	https://blog.csdn.net/belongtocode/article/details/117810750
2	如何在国内互联网大厂面试中游刃有余？	https://blog.csdn.net/belongtocode/article/details/117810951
3	如何全面、高效地准备大厂的技术面试？	https://blog.csdn.net/belongtocode/article/details/117811162
4	在大厂面试中，如何应对算法能力考察？	https://blog.csdn.net/belongtocode/article/details/117811339
5	大厂技术面试中的开放类问题该怎么答？	https://blog.csdn.net/belongtocode/article/details/117811446

你好，我是张凯。

“又栽在了开放问题上，好像怎么回答都答不到点上”。最近一些朋友纷纷向我吐槽，在面试中，除了典型的 Coding 和项目描述部分，开放类型的问题似乎越来越多。这也是近年来企业面试的一个趋势：企业越来越看重候选人“对实际问题的解决能力”，所以，考察综合能力的开放问题，渐渐成为了技术面试中的必备环节。

这节课我将结合自己作为面试官以及面试者的一些经历，聊一聊开放类型的问题该如何解答，给你提供一些参考。

开放类问题，有时候也称为场景设计题，会围绕一个预设的场景展开，让你代入其中，答案往往不唯一，重点考察你是否能够解决真实问题。开放类问题通常出现在面试的中后期，当你通过编码、专业知识和项目经验的考核后，它会作为一种 Bonus 登场。与其他环节相比，开放类问题的难点在于较强的不确定性，面试者没办法提前做充分准备。同时，答题方向也不太明确，没有标准答案，以面试官的主观评价为主，如果答到了面试官的心坎上，会给面试者加分，相反，如果面试者答得不好，可能会被面试官一票否决。

核心考察点

那么开放类问题真的无解吗？答案是否定的。任何一个考察环节，都不会脱离技术面试核心的几个考察目标：

• 编码能力：考核面试者数据结构和算法、编码规范等。
• 知识储备：考核面试者专业知识的广度和深度，能否针对实际业务场景选择合适的方案解决。
• 时间管理：考察面试者对一项或多项任务能否进行分解，并制定合适的计划去完成。
• 团队协作：考察面试者能否与其他成员合作完成任务，是否熟悉典型的协作工具和协作思路。
• 知识管理：考核面试者对已有知识的沉淀，如何获取、学习前沿技术。

接下来，我们就围绕以上核心考察点，来分析一下典型题目类型，并给出应对方案。

1. 方案设计题，考核知识储备

方案设计题考察技术选型能力，你需要提供基础可运行策略，以及其它可选解决方案，并进一步给出各个方案的优缺点。从问题的目标倒推解决方案，有些问题如高并发需要从系统全局角度设计系统的架构，考验知识的广度，有些问题则更加考验知识的深度。

我们以一个实际问题“识别字符串中出现的地名”为例来说明。

通用的解题思路分为四步：

• 第一步，拆分：将较大的场景问题拆分为若干个具体的子问题，分步求解。示例是一个相对单一的问题，即命名实体识别任务，子问题则可以考虑出现多个地名、上下级行政级别、地名重叠的扩展情况。
• 第二步，枚举：对于每一个子问题，枚举出尽可能多的解决方案。对于示例问题，考虑两种典型的解决方案，前缀字典树（Trie 树）和序列标注模型。
• 第三步，对比：设定若干维度，对各个解决方案进行对比。分别从效果、效率、依赖外部资源情况、快速修复能力这几个维度，综合考虑两种方案各自的优缺点。
• 第四步，合并：将子问题进行组合，根据各个方案的优劣、互补性，权衡合并为组合方案。由于字典树与模型各有优劣，属于互补的场景，最终给出一个两者结合的架构方案（如优先走字典树，无结果再走模型的串行方案）将会是一个较好的答案。

2. 主观想法题，考核知识储备和知识管理

典型问法是：“你是如何理解 xxx 的”，xxx 可能是开发思想、架构策略、算法思路等，具体如 CI/CD、技术中台等。被询问的策略或思想，通常是你所在领域经常接触到的。那怎么回答呢？你可以先列举该策略思想相关的其它版本，说明各个方案适用的应用场景，分别用于解决怎样的特定问题，再围绕各自的优点和缺点展开阐述。

比如说，在面试 AI 相关候选人时，我曾问过这样一个问题：“你怎么看待 AI 落地中的规则方案和模型方案？”你有没有发现，上一个问题中两个解决策略就是这个问题的答案。Trie 树是一种规则解决方案，而序列标注模型是一种模型解决方案，如下表所示。我们可以沿用前文的维度对比，详细阐述两者的优缺点，同时强调最终采用结合的、互补的方案将会更好。

总的来说，针对主观想法题，如果你能给出这样一个实际的例子，那么答题思路将会更加清晰，也会让你具有更强的说服力。

3. 延伸算法题，考核编码能力和知识储备

延伸算法题通常有两种扩展问法，一种是“xxx 算法有哪些应用场景”或者“你在哪些场景用到过 xxx 算法”。比如说我问你，“Trie 树有哪些应用场景？”你应该可以想到有“词汇联想”，例如下图中给出的搜索引擎的输入提示例子。

另一种问法是基于当前算法给出扩展版本。例如回答词汇联想后，面试官可能继续问你“联想结果的排序，怎么加到 Trie 树中？”你可以回答说，一种实现方式是将 Trie 树的节点存储进行扩展，加上词汇被检索的计数，将词汇热度作为排序依据。

基于以上 Trie 树的扩展版本，我们也很容易想到另一个应用场景“热搜统计”。总的来说，在解答这类算法扩展题时，一方面你需要结合自身的知识储备，另一方面你要善于察觉面试官给予的提示，问题往往是递进的，适当举一反三。

4. 综合能力考察题，考核范围宽泛

综合能力考察题主要考核面试者的知识储备，当然其它方面也均有涉及，以交叉考核方式出现，可以说考察范围相对宽泛。

比如对于任务规划能力，问法例如“如何安排时间人力实现地名识别任务”。我们回答这类问题的基本思路可以是，先对任务进行分解，拆分成若干个阶段，包括新技术预研、数据准备、开发、评测迭代、部署测试，然后对每个阶段预估所需时间和人力，最终形成一个可执行的 timeline。

再比如考察资源搜索能力的问题，“当前序列标注模型的 TensorFlow 版本为 2.1，请你判别一下当前机器的 GPU 环境是否支持？”你可以现场上网搜索资料给出答案，通过 TensorFlow 版本找到对应的 CUDA 版本，再对应 CUDA 到显卡驱动版本进行验证。同时这种题还考察你的英文能力，但能较快给出正确答案的候选人也是少数。

总结

以上就是本节课的全部内容了，总的来说，应对面试中的开放问题，做好两个准备即可。一是在思想上建立认知，开放问题考察的是“面试者能否解决实际问题”，需要你在解答时尽可能考虑全面，突出自身擅长的优势项，并及时捕捉面试官的反馈，答到他的心坎里去。二是需要你在平日里的工作行动中，有意识地培养、积累这节课提到的五个核心考察点，在遇到相关开放问题时，就能及时调动知识储备，做到快速响应。另外，你可能也要留心一下，部分面试官会利用开放问题来“套解决方案”，比如不断追问实现细节。

参考文章：整理于极客时间每日一课
https://time.geekbang.org/dailylesson/detail/100056884