面試真題講解
逐題講清解題思路、關鍵實作與常見追問。
A/B 測試出現樣本比例不符時，如何診斷？
從卡方檢定確認 Sample Ratio Mismatch，再沿分流、執行、日誌處理和分析篩選逐層定位根因，避免用失真的顯著提升做上線決策。
如何回答「分享一次你收到難以接受的回饋」行為面試題？
用 STAR(R) 說清楚你如何聽懂回饋、核對行為證據、決定接受範圍、改變具體做法並回訪結果，既不防衛，也不把盲目認同包裝成成長。
前端面試：瀏覽器 HTTP 快取如何運作？
用一次靜態資源發布故障說清楚 HTTP 快取的儲存、新鮮度、重新驗證與快取鍵，並為 HTML、雜湊資源、公開 API 和使用者資料設計可驗證的回應標頭。
作業系統面試：虛擬記憶體與缺頁例外如何運作？
用 Linux 服務映射 20 GiB 唯讀索引的冷啟動情境，解釋頁表、TLB、minor/major fault 與 RSS/PSS，並提供可執行的診斷與最佳化方法。
產品經理面試：如何為獨居長者設計用藥提醒產品？
從目標使用者與關鍵任務出發，推導提醒、確認、漏服處理與照護協作的 MVP，再以使用者結果和安全護欄設計試行方案。
後端面試：如何零停機遷移 PostgreSQL Schema？
從滾動發布的相容性出發，設計可中止的擴展—回填—切換—收縮流程，並處理 PostgreSQL DDL 鎖、雙寫、約束驗證、索引與分階段回滾。
演算法面試：如何合併重疊區間？
用排序加貪心掃描合併重疊閉區間，說明端點語意、正確性不變量、複雜度與輸入不可變，並涵蓋巢狀、鏈式重疊和串流處理等追問。
系統設計面試：如何設計大規模網頁爬蟲？
從抓取預算推導依主機分片的 URL frontier，處理 robots.txt、禮貌排程、去重、重新爬取與租約復原，並以容量計算和故障不變量驗證設計。
SQL 面試題：如何查詢每個品類營收前三名的商品？
先把訂單明細彙總到商品粒度，再用 DENSE_RANK 處理並列營收並篩選每個品類的前三個級距，說清楚視窗函式、執行順序、邊界與驗證。
死結面試題：如何預防、偵測並復原？
從四個必要條件和等待圖判斷死結，用全域鎖定順序消除循環等待，再說明執行期診斷、資料庫回滾重試與可重現驗證。
產品經理面試：如何回答市場規模估算題？
先鎖定口徑與單位，再用需求端和供給端兩條路徑估算區間、檢查敏感變數，並把不確定性轉成下一步產品研究。
後端面試：如何設計穩定的游標分頁 API？
從併發寫入下的分頁語意出發，比較 offset 與游標分頁，並推導複合游標、索引、雙向翻頁、快照邊界與故障測試。
如何回答「分享一次你在沒有正式職權時影響他人的經驗」？
用 STAR 說清楚你如何辨識利害關係人的目標與阻力、選擇合適的影響方式、降低對方的行動成本，並在尊重決策權的前提下取得明確承諾。
如何監控正式環境中的機器學習模型？
以叫車 ETA 迴歸模型為例，建立從服務健康、資料品質、分布漂移到延遲標籤品質的分層監控，並將每類訊號映射到可執行的告警、回復版本與重新訓練決策。
如何用拓撲排序解決課程表 II？
從課程相依關係推導 Kahn 拓撲排序，解釋建圖方向、零入度不變量、環偵測證明，並處理多解、重複邊與平行學期等追問。
前端面試：如何實作無障礙自動完成元件？
從非同步競態、輸入法組字與 WAI-ARIA 組合方塊語意出發，設計可重用的自動完成元件，並給出狀態模型、互動規則與驗證方法。
如何設計一個 Feature Flag 系統？
透過分離管理控制平面與行程內評估路徑，設計低延遲功能旗標平台，並明確定義百分比分組、陳舊資料、治理和故障復原規則。
行程與執行緒有什麼差別？
比較行程與執行緒的資源歸屬、排程、通訊、同步和隔離邊界，再為 CPU 密集外掛程式和 I/O 密集請求選擇並驗證執行模型。
如何離線與線上評估推薦系統？
從時間點一致的歷史日誌、排序與非準確率指標、曝光偏差和隨機線上實驗建立上線決策，並系統排查離線勝出、線上失敗的原因。
如何實作支援插入、查找、前綴比對與刪除的 Trie？
從精確查找與前綴比對需求推導 Trie，實作不會破壞共用路徑的安全刪除，並驗證終止標記不變量、複雜度與對抗案例。
如何回答「你最喜歡什麼產品，會怎麼改進」產品經理面試題？
用產品論點、使用者旅程與取捨說明你為什麼喜歡一款產品，再從一個可驗證的使用者問題推導改善方案、成功指標與風險護欄。
如何回答「分享一次你快速學會新技能的經歷」行為面試題？
用 STAR 說清楚你如何從交付目標回推學習邊界，透過實作、回饋與驗證快速掌握一項新技能，並把學習速度轉化為可驗證的工作成果。
PostgreSQL 慢查詢面試：如何診斷並最佳化慢 SQL？
從真實負載、執行計畫和基數估算推導複合索引與部分索引，並給出上線驗證、寫入放大和回復檢查，避免只憑直覺加索引。
前端面試：如何診斷並改善 Core Web Vitals？
從 field 與 lab 資料衝突出發，依 LCP、INP、CLS 的組成定位瓶頸，排出有證據的改善順序，並用 RUM、效能追蹤和灰度發布驗證結果。