orbisz-Blog

面试总结

orbisz2025/8/12面试
  • 项目描述。用通俗易懂且简洁的方式简述项目，阐述整个项目及其背景、规模，不要有太多的技术词汇。
  • 项目模块。2-3 分钟的流程介绍，详细的列出项目实现的功能，各个模块，整个过程，大概思路。
  • 项目技术栈。说出项目实现的技术栈和架构，能说出项目的不寻常之处，比如采用了某项新技术，采用了某个架框等，简要说明技术选型。
  • 候选人的角色及责任。说出你在项目中的责任，所涉及的功能模块，运用的技术，碰到的难题、代码细节，技术点、应对措施。
  • 项目总结，待优化点。

万能的 STAR 原则

  • Situation（背景）：做这个项目的背景是什么，比如这是个人项目还是团队项目，为什么需要做这个 项目，你的角色是什么，等等。
  • Target（目标）：该项目要达成的目标是什么？为了完成这个目标有哪些困难？
  • Action（行动）：针对所要完成目标，你做了哪些工作？如何克服了其中一些困难？
  • Result（结果）：项目最终结果如何？有哪些成就？有哪些不足之处可以改进？

针对面试时，面试官可能会问的项目问题以及哪些地方可能会深挖。

高并发扣减库存的幂等与一致性 → 因为涉及 Redis、分布式锁、异步回写、延迟队列，这是电商促销的核心问题。

动态 Agent 装配与任务编排 → 能看出你是否真正理解“组件化 + 运行时规则驱动”的价值，而不是只会写死逻辑。

MQ 消息补偿与幂等处理 → 在分布式场景下，消息重复、丢失、乱序的处理能力非常能看出工程功底。

RAG 知识库和多模型适配 → 涉及 AI 场景的工程化落地能力，而不仅仅是“会调 API”

幸运营销汇-积分抽奖服务

  1. 为什么使用DDD领域驱动设计，好处是什么
  2. 如何划分 “抽奖领域” 的实体、值对象和聚合根的？能否举例说明某个核心实体（如 “抽奖策略”）的属性设计及边界定义？
  3. 还知道哪些设计模式相关，你在抽奖服务中用了模板模式、责任链、组合模式，能否手写一个责任链模式的简化实现，并说明为什么不用策略模式？
  4. 领域模型是怎么设计的？ 答：头脑风暴，罗列事件和行为，在根据实体来划分领域的。简单说也就是根据业务流程划分的。这个过程包括；活动域、抽奖域、积分域、兑换域。也就是用户通过某种行为记录，发放计算，兑换活动参与资格，完成抽奖获得奖品。
  5. 规则树是怎么存储和执行的？如何支持规则动态组合和热更新？如何处理规则变更时的热更新？
  6. 规则树的节点类型（如概率节点、奖品节点、兜底节点）是如何设计的？如何支持规则的动态修改（如运营后台调整概率）？
  7. 抽奖如何实现的，黑名单过滤，积分阶梯如何实现的，并发量太多怎么办
  8. 责任链的具体实现（如节点如何动态添加/删除？链的终止条件是什么？）
  9. 责任链动态编排校验节点时，如何避免链路过长影响性能？规则树动态组合如何支持新增规则（如地区限制）而无需改代码？
  10. 前中后流程如何设计的？如何用模板模式保证核心流程不变性？
  11. 库表如何设计
  12. 各个节点功能（人群过滤、积分校验等）如何实现？每个节点的执行顺序如何动态调整？
  13. Redis decr和setnx如何保证库存扣减安全，以及对应的操作如何实现。分段库存设计为什么要搭配分布式锁？“Redis 分段库存” 具体是如何设计的？如果 Redis 分段库存与数据库数据不一致，如何回补或修正？
  14. Redis DECR 原子性是如何保证的？为什么还能出现超卖？如果 Redis 宕机，库存扣减会出现什么问题？你如何保障高可用与数据一致性？
  15. 用setnx实现分布式锁时，锁的过期时间如何设置？如何避免 “锁过期后任务未完成” 导致的超卖？是否考虑过 Redisson 的红锁方案？为什么最终选择setnx？
  16. 异步队列+定时任务的实现，一致性相关：最终一致性和强一致性。为什么用异步队列+定时任务批量回写而不是直接扣减数据库库存？异步队列批量回写DB时主从延迟导致超卖如何处理？为什么不使用MQ？
  17. RabbitMQ相关知识，如何解耦发奖，异步调账与返利流程，RabbitMQ 在发奖与积分调账解耦时，如何处理消息幂等性？
    • 唯一索引约束 ：在核心表（如 user_award_record ）上建立 userId+orderId 唯一索引，防止重复处理
    • 订单ID作为幂等标识 ：所有消息都携带 orderId ，消费时以此为依据判断是否已处理
  18. RabbitMQ 消息的生产端（如抽奖成功后发送消息）和消费端（如调账服务消费消息）是如何设计的？如何保证消息的可靠传输（如确认机制、死信队列）？消息积压时（如大促期间）如何处理？
    1. 消息的可靠性传输
      • 确认机制 ：通过任务表记录消息发送状态，成功后更新状态
      • 补偿机制 ： SendMessageTaskJob 定时任务扫描未发送成功的消息并重试
      • 幂等性保障 ：如前所述，通过唯一索引和订单ID确保消息只被处理一次
      • 事务一致性 ：核心业务操作（如保存中奖记录）在事务中执行，确保数据一致性
  19. Redis库存耗尽时推送MQ消息触发库存更新及延迟队列清理的实现，以及为什么要这么做。
  20. Redis 库存耗尽时，你为什么要清空延迟队列？答：
    • 当库存耗尽时，所有后续的库存扣减应该被拒绝
    • 延迟队列中可能存在尚未处理的库存更新任务，但此时库存已经为0
    • 清空队列可以避免这些任务执行后导致数据库库存出现负数 如果延迟队列里还有合法消息，会不会丢单？
    • 理论上会存在丢单风险，因为清空队列会丢弃合法的库存更新请求
    • 但从业务逻辑来看，当库存耗尽时，系统已经不再接受新的抽奖请求
    • 延迟队列中的任务通常是已经完成的扣减操作的记录，清空队列是为了避免重复更新
  21. “Redis 库存耗尽时推送 MQ 消息清理延迟队列” 的具体逻辑是什么？延迟队列中存放的是什么任务？如何避免用户在库存耗尽后仍发起抽奖请求（前端拦截还是后端校验）？
  22. MQ 消息堆积会怎么影响抽奖流程？如何解决？
    • 增加消费者实例，提高消费能力
    • 使用线程池并行处理消息（项目中已使用 ThreadPoolExecutor ）
    • 优化消息处理逻辑，减少处理时间
    • 实现消息重试机制，避免处理失败导致的堆积
    • 考虑使用消息死信队列，处理无法消费的消息
  23. ElasticSearch相关，监控如何实现，Canal同步MySQL Binlog至ES的实现细节？如何处理大事务的Binlog同步（如批量插入抽奖记录）？ES的索引设计（如用户ID、抽奖时间、奖品类型）如何优化秒级数据分析？
  24. 压测相关知识，有没有进行压测，如何部署服务器，吞吐量和延迟是多少，如何继续优化
  25. 面试实际提问：https://wx.zsxq.com/group/48411118851818/topic/2855841145815841

Ai-Agent 智能体

  1. 你提到将 Advisor、Prompt、MCP 等能力模块化抽象，这些模块的核心接口是如何定义的？模块间的依赖关系是如何解耦的（比如用了什么设计模式）？
  2. 具体讲一下是怎么划分领域、子域和限界上下文 的？能举一个 Advisor / MCP / Prompt 在领域模型里的实体或聚合例子吗？
  3. 在动态构建 Agent 的过程中，如何保证 模块解耦 和 执行链路的可维护性？
  4. 领域模型如何与数据库设计映射？是否采用CQRS模式应对高并发读写？
  5. 请举例说明如何通过AOP实现Advisor的横切关注点（如日志、监控）注入？
  6. 工作流编排引擎的核心设计是什么？是否支持条件分支/并行节点？如何保证编排逻辑的原子性？
  7. 当用户组合不同的能力时，平台是如何保证执行顺序、依赖关系和容错的？
  8. 数据库中是如何设计表结构存储这些模块信息的？比如 “可配置” 具体体现在哪些字段上，如何通过数据库配置实现模块的动态组合？
  9. 这个项目中你划分了哪些核心领域？比如 “智能体构建”“工作流编排” 是否作为独立领域？每个领域的聚合根是什么？
  10. 领域事件是如何设计的？比如当一个 AI Agent 的配置变更时，会触发哪些领域事件，下游模块如何响应？
  11. 你是如何将 Advisor、MCP、Prompt、Model、API 这些执行组件存储在数据库里的？表结构大概是怎样的？细描述一下、数据表设计，包含哪些关键字段？
  12. 动态构建 Agent 时，如何从数据库配置映射到可执行的运行时对象？（比如你提到的 Spring 容器动态注入，底层怎么做？）
  13. 如果用户运行时频繁修改配置，如何保证 一致性和性能？
  14. 你是如何处理 多源解析（文档/Git/网页） 的？解析后数据清洗和向量化的流程是怎样的？
  15. 多源解析模块（文档 / Git 代码 / 网页）是如何处理不同格式的？比如解析 Git 代码时，如何提取函数、类等结构化信息？用了哪些工具或库（如代码解析用了 ANTLR 吗）？
  16. 如何将解析后的内容转化为向量存储到 PostgreSQL？向量维度是多少？生成向量时用了什么模型（如 BERT）？
  17. 当Git代码变更时，如何触发知识库增量更新？是否设计版本快照与差异对比算法？
  18. 如何保证解析结果与业务知识的一致性？是否引入人工审核流程？审核数据如何反馈到模型优化？
  19. 你如何做 知识更新和版本管理，避免知识库里出现陈旧数据？
  20. 在构建 RAG 系统时，最常遇到的问题是“检索不准”。你们遇到了哪些bad case？又是通过哪些策略（如：元数据过滤、重排序、HyDE、多向量检索等）来优化召回率和准确率的？
  21. RAG 知识库中，“检索” 和 “生成” 的具体流程是什么？比如用户提问后，如何从向量库中召回相关知识，又如何结合大模型生成回答？如何优化检索的准确性（比如遇到歧义问题时）？
  22. MCP 服务的核心功能是什么？你写到 MCP 平台支持 stdio/sse 协议，为什么选择 stdio/sse 协议？在 MCP 通信中分别扮演什么角色？能具体解释一下这两个协议在你们场景里的作用和区别吗？这两个协议在 CSDN 自动发帖、微信公众号通知场景中分别解决了什么问题（比如实时性、长连接稳定性）？
  23. 选择stdio/sse协议而非gRPC的考量？如何处理高并发下的连接稳定性？
  24. CSDN 发帖、微信公众号通知、ELK 日志分析、Prometheus 监控——这些场景是怎么通过 MCP 模块化抽象出来的？
  25. 以“CSDN 自动发帖”为例，请描述一次完整 MCP 调用的技术流程和数据流（从用户在平台上配置，到最终发帖成功）。其中涉及到的认证、安全、错误处理机制是如何设计的？
  26. MCP 执行过程中遇到失败（比如网络异常、外部 API 返回错误），平台是怎么处理重试、补偿或降级的？
  27. 调用 CSDN 或微信公众号的第三方 API 时，如何处理接口限流、失败重试？有没有做熔断或降级设计？
  28. CSDN自动发帖如何处理反爬机制？是否模拟用户行为（如随机点击间隔）？
  29. 公众号消息推送的QPS峰值如何应对？是否采用消息队列削峰？如何保证消息不丢失？
  30. 日志分析场景中，如何实现ELK链路的毫秒级延迟？是否采用异步批量写入优化？
  31. 监控告警场景的幂等性设计？如何防止重复通知导致业务系统过载？
  32. 你提到 一键 Agent 预热，能具体讲一下这个预热过程里做了什么？预热过程中如何监控资源占用（如线程池、连接池）？是否设计熔断降级机制？
  33. 动态注入 Spring 容器的实现方式是什么？用到了 BeanDefinitionRegistry 还是 ApplicationContext 动态刷新？如何解决依赖注入、Bean 生命周期管理以及线程安全等问题？
  34. 在多 Agent 并发运行时，如何保证注入的 Bean 之间不会互相干扰？
  35. 运营级配置服务如何实现 “实时调整、变更与上线”？配置存储在 Redis 还是数据库？配置变更时如何通知正在运行的 Agent 生效（比如推拉模式）？
  36. 你提到的 “问题分析 → 自主规划 → 精准执行 → 结果判定” 是如何实现的？能举一个完整闭环的例子吗？
  37. 在 “步骤级 Model • MCP + Prompt 配置” 中，平台是如何管理步骤之间的 上下文传递 的？
  38. Advisor 顾问角色访问知识库时，如何保证多轮对话里 上下文连续性和准确性？是否引入分布式锁或乐观锁？
  39. Advisor 角色如何访问知识库和上下文？上下文是存在内存还是数据库？如果对话过长导致上下文膨胀，如何处理（比如做摘要压缩）？
  40. 执行过程中如果某个步骤失败（比如 MCP 调用超时），系统会如何重试或降级？有没有设计失败的判定标准？
  41. 当同时有 1000 个用户构建定制化 AI Agent 时，系统的瓶颈可能在哪里？你做了哪些优化（比如缓存、异步处理）？
  42. 数据库和 Redis 在项目中分别承担了什么角色？有没有遇到过 Redis 缓存穿透 / 击穿的问题，如何解决？
  43. 这个平台听起来模块很多，你在落地时遇到的最大难点是什么？是架构抽象、数据库驱动、还是外部 API 集成？
  44. 当知识库文档数量极大时，向量检索可能成为瓶颈。你们是如何优化检索速度的？（预期：索引优化、量化、近似最近邻搜索等）。
  45. 是否考虑过向量数据库的冷热分层存储？如何优化历史数据查询性能？
  46. 整个 Agent 工作流是同步调用还是异步的？如何管理和监控长时间运行的任务？
  47. 如果让你现在扩展一个新的场景（比如 Jenkins 流水线自动化运维），你会如何把它接入现有的 MCP + Agent 平台？
  48. 如果你重新设计这个平台，会在哪些地方做改进（比如技术选型、架构设计）？
  49. 在服务编排层，是否评估过Kubernetes Operator方案替代传统Spring Cloud？
  50. 当Agent执行结果与预期不符时，如何快速定位是Prompt设计问题还是知识库缺陷？
  51. 如何设计日志链路追踪（如TraceID贯穿多服务调用）？是否结合ELK实现可视化分析？
  52. 如果要为金融行业定制Agent，需要在现有架构上增加哪些风控模块？ 如何设计多Agent协作机制（如审批流场景）？是否引入区块链保证审计追踪？

动态注入 Spring 容器是通过什么方式实现的？比如用了 Spring 的 BeanDefinitionRegistryPostProcessor 吗？如何保证注入的 Agent 不会与容器中已有 Bean 冲突？ 运营级配置服务如何实现 “实时调整、变更与上线”？配置存储在 Redis 还是数据库？配置变更时如何通知正在运行的 Agent 生效（比如推拉模式）？ 通用对话分析模型与执行流程 问题分析、自主规划、精准执行、结果判定这四个步骤，每个步骤是如何落地的？比如 “自主规划” 如何将用户问题拆解为可执行的子任务（用了大模型的 Function Call 吗）？ Advisor 角色如何访问知识库和上下文？上下文是存在内存还是数据库？如果对话过长导致上下文膨胀，如何处理（比如做摘要压缩）？ 执行过程中如果某个步骤失败（比如 MCP 调用超时），系统会如何重试或降级？有没有设计失败的判定标准？ 性能与稳定性 当同时有 1000 个用户构建定制化 AI Agent 时，系统的瓶颈可能在哪里？你做了哪些优化（比如缓存、异步处理）？ 数据库和 Redis 在项目中分别承担了什么角色？有没有遇到过 Redis 缓存穿透 / 击穿的问题，如何解决？ 项目难点与总结 这个项目中你觉得最难的技术点是什么？最终是如何解决的？ 如果你重新设计这个平台，会在哪些地方做改进（比如技术选型、架构设计）？

拼团/大营销结合MCP可应用场景；

  1. 系统异常排查。开发一个mcp对接elk、普罗米修斯等，巡检系统日志，监控，数据库，分析异常根因
  2. 商品活动客服。开发一个mcp对接数据库、redis，检索仅能回答的配置类数据，用户通过客服了解奖品信息，抽奖优惠力度，适合自己的商品类型。

通用技术组件工程

  1. 为什么使用Redis作为注册中心而不是 Nacos/Consul/Zookeeper？
  2. 基于 SPI 机制的组件框架中，如何定义组件接口和实现类？业务系统如何 “按需引入” 组件（如只引入限流组件，不引入动态配置）？组件版本冲突如何解决？
  3. 自定义@DCCValue注解以及BeanPostProcessor 拦截机制的实现。BeanPostProcessor 的拦截时机是什么？你实现的 @DCCValue 注解热更新机制里，如何保证配置更新的原子性和可见性？
  4. Redis Pub/Sub 的推送在网络分区下会丢消息吗？如何保证一致性？Redis Pub/Sub消息丢失如何处理？
  5. 配置变更时（如动态调整限流阈值），如何保证业务逻辑的无缝切换？
  6. 如何解决的AOP注解识别问题
  7. 规则树组合模式是怎么序列化存储到数据库的？如果规则过多，如何避免执行性能下降？单例链和多例链的差别是什么？在多线程环境下如何保障线程安全？
  8. 标准化责任链（支持单例/多例链）与规则树（组合模式）的串行实现
  9. Guava RateLimiter 的令牌桶算法原理是什么？优缺点？为什么不用滑动窗口？，如何在分布式环境下实现全局 QPS 限流，可不可以通过Redis或者其他方式实现限流？
  10. 动态黑名单的失效策略（定时扫库 vs Redis过期）？
  11. 黑名单拦截的实现和降级回调，降级回调如何设计才能避免雪崩效应？
最近更新 2025/8/13 21:41:44
ON THIS PAGE