准备AI驱动开发实习面试，可以用一个小任务练清三件事：先说明输入输出约定，再用反例审查AI给出的代码，最后解释本人修改和验证的范围。会描述提示词还不够；当面试官改一个输入条件时，你应能判断现有补丁是否仍然成立，并指出需要补哪类检查。
下面是6道编辑自拟练习题，围绕一个Python分页参数函数展开，不是企业真题、统一招聘标准或某家公司的岗位要求。“AI Driven Development Intern”在不同岗位中可能指不同工作，实际语言、工具权限和考核内容应回到目标JD与面试通知核对。本题的参数规则也是练习约定，不能当成所有接口的标准。
1. 接手一个陌生仓库，先问AI写代码还是先读什么？
先找到任务入口、相关调用者、运行说明、依赖版本和现有测试，弄清这次要求改变什么行为。不要仅凭函数名猜需求，也不要让AI一次改动多个无关模块。可以请工具解释调用关系，但应回到实际文件逐项核对，尤其检查工具引用的函数或配置是否存在。
回答时不必背一套固定目录。举例说明：参数来自URL字符串还是内部Python调用？缺失与无效输入是否区分？异常由哪一层转成页面提示？这些答案影响函数签名、返回值和测试，而不是先选一个“更高级”的实现。
练习仓库应使用本人有权处理的材料。若面试明确限制AI或网络，就按通知完成，不把自学时使用工具的权限带进考试。本文不提供代答或规避考核的方法。
2. 这两行代码能转成整数，为什么还可能不符合要求？
假设有人给出下面的候选实现；它是编辑编写的反例，并非真实工具的输出记录：
def parse_limit(raw):
return int(raw or 20)先写本题约定：只有None和空字符串表示缺失，返回20；接受1到100的内置整数，或去掉两端空白后的ASCII十进制数字字符串，允许前导零；布尔值、浮点数、带正负号、小数点、纯空白和非ASCII数字一律报ValueError。这里刻意限制输入类型，业务若需要别的规则，应先修改约定。
Python关于真值与布尔运算的说明表明，0、空字符串和False等都可被判为假。因此raw or 20会把“无效的0”混同于“缺失”，悄悄改成20。它还没有检查1到100的范围。
再看类型转换：int的官方说明介绍了它接受的输入与转换行为，不能把“转换成功”当作符合业务规则。例如浮点数可以被转为整数；而本题明确不接受浮点数。面试中的回答应同时指出语言行为与题目限制，不只说“加一个try就行”。
3. 怎样给出一份范围清楚、能解释的修正？
下面只实现本题函数，不增加接口、数据库或依赖。使用type(raw) is int是为了只接受内置整数，并排除布尔值；Python文档说明bool是int的子类，因此直接使用isinstance(raw, int)不能单独完成这项排除。
def parse_limit(raw):
if raw is None or raw == "":
return 20
if type(raw) is int:
value = raw
elif type(raw) is str:
text = raw.strip()
if not text or not all(
"0" <= ch <= "9"
for ch in text
):
raise ValueError("limit")
value = int(text)
else:
raise ValueError("limit")
if not 1 <= value <= 100:
raise ValueError("limit")
return value解释顺序可以是：缺失判断、类型分支、字符串规则、数值范围。纯空白被拒绝，空字符串却返回默认值，这是本题明确区分的两种输入；如果需求方希望它们相同，应连同测试一起修改，不能私自决定。“020”可得到20，而“+20”按约定被拒绝。
这是一段教学用纯函数。实际接口还需要结合请求解析方式、输入长度、错误响应和现有调用约定处理，本文没有把它接入真实服务，也不将这份参考代码称为已完成生产验收。
4. 测试该先写哪些输入，怎样避免只验证成功例子？
把输入分成缺失、有效边界、普通有效值和应拒绝值。先写预期，再运行候选实现；如果预期也直接照着候选代码生成，就可能把同一个误解重复一遍。pytest参数化教程提供了用多组参数运行同一测试的方法，下面给出可以自行运行的用例。
将修正函数放在limit.py，测试另存为test_limit.py。在自己允许使用的Python环境安装pytest后，可运行python -m pytest -q test_limit.py；本文不要求你在现有工作仓库里随意安装依赖。
import pytest
from limit import parse_limit
@pytest.mark.parametrize(
"raw, expected",
[(None, 20), ("", 20), (1, 1),
(100, 100), (" 5 ", 5),
("020", 20)],
)
def test_valid(raw, expected):
assert parse_limit(raw) == expected
@pytest.mark.parametrize(
"raw",
[0, 101, -1, True, False,
2.5, " ", "+2", "2.0", "２"],
)
def test_invalid(raw):
with pytest.raises(ValueError):
parse_limit(raw)这16组用例覆盖了本题的代表性输入，仍不是穷尽证明。还可以补多种长度的字符串、不同边界表达，以及真实调用层把错误映射成响应的情况。不要把“16组通过”扩展为“所有异常都处理了”或“接口绝不会出错”。
5. AI的补丁通过这些测试，就可以直接接受吗？
继续看改动范围与调用者。函数原来抛什么异常，调用方是否依赖旧行为？新增默认值有没有遮住输入错误？补丁是否顺手更新了依赖、删除了旧测试或扩大了处理范围？这些都不能只从测试末尾的绿色提示判断。
GitHub关于生成建议责任与限制的说明要求使用者审查和验证建议。工具给出的解释、测试或审查意见可以帮助定位问题，但不能代替你理解这次需求与最终代码。本文不据此承诺任何工具能自动发现全部缺陷。
一个有用的追问是：“如果现在允许0表示不限制条数，哪里要改？”先确认这是否会影响资源控制和调用者，再同时调整约定、实现与测试；不能只把范围判断里的1改为0，就声称整个服务已支持。这里讨论的是变更影响分析，不是让你在练习之外开放真实系统限制。
6. 面试中怎样说明本人贡献，而不把练习包装成项目？
按“规则—反例—改动—验证—未覆盖项”解释即可。例如：“在这个自拟分页参数练习里，我先区分缺失和无效值，用0与布尔值发现候选实现的问题，再把类型、字符串格式与范围检查拆开，补充代表性用例。”只有自己实际完成过这些动作，才这样陈述；仅阅读本文，应称为学习过的练习。
如果面试允许AI协作，说明哪部分由工具提出、哪部分经本人否决或修改，并保留能够公开的关键差异与运行结果。不能拿工具回答截图替代代码解释，也不要把课程练习改成企业上线经历。把真实经历写进简历时，可参考AI开发工具经验与个人贡献的表达；涉及前后端流式联调时，再练会话隔离与断线恢复题，两类题的验证对象不同。
整理好目标JD和真实项目后，可以使用AI简历姬辅助组织求职表达，再由本人逐句核实。本文由AI简历姬编辑团队整理，官方资料核验于2026年10月31日；题目、参数约定和代码为编辑自拟教学材料，不代表企业真题、实习录用标准或面试结果保证。
关于编辑团队
