cresta ai coding挂经

用claude做的 让claude整理的 一个东欧人给面的，一直说跟我聊的很愉快然后就把我给挂了

题目背景
给三个 JSON 文件，让你实现一个 feature flag（功能开关）评估引擎，把每个用户映射到每个 flag 的最终布尔值（开/关）。
输入文件

• flags.json — 7 个 flag 的定义
• user.json — 10,000 个用户
• expected_decisions.json — 标准答案（200 个用户 × 7 个 flag），用来自测

数据结构
Flag 结构： { "key": "beta_dashboard", "enabled": true, "default": false, "rules": [ { "name": "market_launch", "conditions": [ { "attribute": "country", "operator": "in", "va { "attribute": "plan", "operator": "eq", &quo

您好！
本帖隐藏的内容需要积分高于 188 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 188 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

ew_checkout": true, "experimental_search": true,"ai_assist": false, "legacy_export": false }, "user_00003": { "dark_mode": true, "beta_dashboard": true, "new_checkout": true, "experimental_search": true, "ai_assist": false, "legacy_export": false } }

建议做法：先不要急着写实现，先拿 expected_decisions.jso其是多 rule 冲突和 percentage 的算法），跑通「干净数据100% 命中」再动手，最后补单元测试覆盖 happy path + 上面这些 edge case。