十月二十八日，一份字節跳動「中國交易與廣告」後端開發實習生的一面題目清單在牛客網流傳。發文者事後在留言區補上兩題漏記的內容，也讓整份清單更完整。從帖子下方的討論可以確認，這是「國際化廣告 CRM 與交易平臺」的後端實習崗位，已有其他求職者約了同一個部門的後續面試。
先看這份題目單在問什麼
整場面試二十二題，加上發文者補記的兩題，大致分成幾個區塊：專案細節、Redis 快取、資料庫、訊息佇列 Kafka、前後端互動與登入鑑權，最後加上一道非 Hot 100 的演算法題。
比例上最重的是專案追問。面試官從「用戶瀏覽帖子的完整流程」問到「秒殺兌換商品的完整流程」，再往下鑽到 Redis ZSET 為什麼用跳表加雜湊、Lua 腳本執行到一半報錯怎麼辦、寫完資料庫但快取更新失敗怎麼處理。這種問法的目的只有一個：確認專案真的是求職者自己做的。一個只跑過教程範例的人，通常在第二層追問就會開始含糊。
交易系統的考題，核心是「不能出錯的錢」
把題目攤開看，會發現幾乎每一題都對應交易場景的真實風險。快取與資料庫不一致，對應用戶看到的庫存和實際庫存對不上；Kafka 的 rebalance 會不會造成重複消費，對應同一筆訂單被下單兩次；消費者異步下單失敗的處理，對應用戶扣了優惠券卻沒拿到商品。這與先前分析的拼多多服務端一面考題呈現同一個結構：電商與交易類後端的面試，考的全是「帳本能不能對上」。
P99 回應時間 356 毫秒那一題也值得注意。面試官不只問「是什麼意思」，還問「這個數字是怎麼測出來的」。能說出百分位數定義是一回事，能解釋壓測方法與量測環境，才代表求職者真的做過性能驗證，而不是把數字寫在簡歷上好看。
發文者補記的兩題，ziplist 底層結構和 explain 指令的 type 欄位含義，則是更硬的記憶型知識。發文者自述這兩題都沒答上，留言裡也可以看到其他求職者對難度的反應，有人表示自己主寫 Python，看了題目「完全看不懂在問什麼」。
對求職者的三個訊號
第一，交易與廣告這條業務線對實習生的要求和核心後端正職差距不大。題目深度沒有因為是實習崗而打折，MySQL 索引失效、深分頁、MVCC 與隔離級別、Kafka rebalance，全是一般後端面試的正規軍題庫。
第二，專案真實性仍是第一道關。整場面試過半的題目都掛在求職者自己的專案上，這代表「做一個能被追問三層的專案」比「做三個只能講一層的專案」有用。這一點與恆生電子 Java 一面考題的觀察一致：企業級軟體公司的新人篩選，正在往「證明真的做過」傾斜。
第三，AI 使用被列入正式考題。第二十一題問「平時會用 AI 幹些什麼」，題目本身不難，但它的位置值得注意：夾在鑑權機制和演算法題之間，代表面試官把 AI 工具使用當成例行盤點項目，而非加分話題。
留言區透露的現場壓力
帖子下方的討論也反映了這類崗位的競爭狀態。有人約了同組的下一場面試，先來打聽專案類型；有人追問演算法題是不是 Hot 100 以外的題目；也有 Python 背景的求職者表達了技術棧不對口的焦慮。對照同一平臺上其他公司的實習面經，字節這場的題目密度與追問深度都屬於偏高的一檔。
對正在準備後端實習的學生來說，這份清單的用途不是逐題背答案。更有價值的讀法是把它當成檢查表：自己的專案能不能撐住「完整流程、快取策略、失敗路徑、量測方法」四層追問。撐不住，問題通常出在專案本身的複雜度，而面試只是把這個缺口提前暴露出來。