学习目标
你要能够解释什么
能把一个画面问题整理成复现条件、证据、修复方案与回归检查。
Interview evidence
题库练习
把这一节课的画面证据，接回 PDF 里的原题。先做一个小预测，再去题目页整理成自己的回答。
-
TA 优化 STAR
先自己猜：这道题在考什么？
参考答案：我会先说明场景、平台和瓶颈，再讲我负责的一个关键动作，最后给出在固定设备和镜头下的前后指标。除了 FPS/GPU/内存，我也会说画质和副作用；没有原始数据时，我会明确这是验证计划而不是已发生的结果。
可观察证据：只改一个参数，记下画面变化，再写一句“所以它说明了什么”。
-
美术与性能取舍
先自己猜：这道题在考什么？
参考答案：我会先把美术目标和目标设备写成共同约束，再用固定镜头的前后对照和 profiler 数据说明成本，最后给出保留关键视觉点的分阶段方案。沟通时我会分别说玩家感知、工程指标和制作成本，确认 owner、验收条件和回滚点，而不是用一句“性能不够”结束讨论。
可观察证据：只改一个参数，记下画面变化，再写一句“所以它说明了什么”。
实验循环
按顺序做一次实验
-
Step 1
记录症状与条件
- 改什么
- Camera / asset / platform
- 怎么做
- 锁定镜头、模型、分辨率和运行平台。
- 你会看到
- 同一症状在相同条件下可重复出现。
- 它代表
- 没有复现条件，就没有可靠的工程结论。
Code anchor · production-case · repro
-
Step 2
按域隔离
- 改什么
- Render / asset / pipeline
- 怎么做
- 一次只替换一个域的输入。
- 你会看到
- 问题跟着某个输入移动或消失。
- 它代表
- 隔离变量比一口气改十处更快找到根因。
Code anchor · production-case · isolation
-
Step 3
写回归证据
- 改什么
- Before / after / guard
- 怎么做
- 保存修复前后截图和一个自动检查。
- 你会看到
- 修复不再依赖“我刚才看过没问题”。
- 它代表
- 交付质量需要可重复的证据链。
Code anchor · production-case · regression
快速复习
用三分钟找回因果链
这里没有第二套答案。以下内容直接来自上面的课程事实，方便你在面试前快速检索。
一句话核心
选一个真实症状，先写假设，再用最小开关集排除渲染、资产和管线因素。
- 没有复现条件，就没有可靠的工程结论。
画面证据：同一症状在相同条件下可重复出现。
- 隔离变量比一口气改十处更快找到根因。
画面证据：问题跟着某个输入移动或消失。
- 交付质量需要可重复的证据链。
画面证据：修复不再依赖“我刚才看过没问题”。
代码定位
- production-case · repro
- production-case · isolation
- production-case · regression