爱诗科技 AI 全栈一面:多工具统一数据模型、分片上传可靠性与 RocketMQ 不丢消息
- 轮次
- 一面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- 多种工具的存储方式和数据格式不同,如何设计统一的数据模型与适配层?
- 上游工具更新频繁时,如何兼容新旧数据格式,并降低适配维护成本?
- 分片上传怎样处理重复请求、超时重试和故障恢复,保证上传过程可靠?
- 数据解析放在客户端还是服务端,应该怎样权衡?
- 如何评估一个研发工具对代码评审效率和用户体验的实际效果?
- AI 编程过程中 Token 消耗过高时,如何区分提示词表达、仓库结构等不同原因?
- 比较不同模型的结果,或验证一次改动是否有效时,怎样控制模型版本等变量?
- 数据从本地发现、预览选择、上传和存储,到后台解析与前端展示,完整链路应该怎样组织?
- 数据持续追加或更新时,如何判断是否需要重新上传,避免重复传输?
- 一个用户批量提交大量历史数据时,如何避免堵塞其他用户的上传或处理任务?
- 如何设计客户端脱敏、服务端复检和分享发布前校验,降低敏感信息泄露风险?
- 如何保证 RocketMQ 的消息不丢失?
- 手撕:二叉树的层序遍历。
《参考解析》
统一模型与适配层:先定义内部领域模型,只保留跨工具共有的语义(标识、类型、时间、作者、内容块、附件),工具特有的字段放扩展区(JSON 列或 KV),不要为每个工具加列。每个来源一个适配器,负责「读原始格式 → 转成领域模型 → 反向写回」,业务层只依赖领域模型。再加一层能力声明(这个工具支持哪些操作:只读、可评论、可上传),避免上层对不支持的能力发请求。判断设计是否成立的标志:新增工具只加适配器与能力声明,业务代码零改动。
上游版本兼容:适配器按版本号分派,把解析逻辑按版本隔离而不是在同一个函数里堆 if;用契约测试固定每个版本的样本(抓真实返回存成 fixture),升级时先跑一遍看差异;对未知字段默认透传而不是丢弃,对未知版本走「宽松解析 + 告警」,让新版本不至于直接崩。维护成本的控制点在样本库与契约测试,不在代码量。
分片上传的可靠性:客户端切片时带 uploadId、分片序号、总分片数与每片哈希;服务端用「uploadId + 分片序号」做唯一键,重复上传直接覆盖(幂等),并记录分片状态。超时重试只重传失败的分片,客户端要能从服务端查回已上传列表实现断点续传。故障恢复靠三件事:分片到期清理、合并操作幂等(合并前校验全部分片到齐且哈希匹配)、合并失败可重试。整体文件再做一次内容哈希校验,防止分片错位拼接出坏文件。
解析放客户端还是服务端:客户端解析省服务端算力与带宽(只传解析结果),隐私数据不出本机,但受限于设备性能、版本碎片化、结果不可信;服务端解析算力可控、逻辑统一、结果可复现,但要多传原始文件、承担存储与计算成本,也要处理隐私合规。常见的折中是本地做轻量提取(文本、元数据)用于预览,原始文件仍上传,服务端做权威解析。判断依据是数据大小、隐私等级、是否需要跨端一致、以及客户端的算力与版本可控性。
研发工具的效果评估:先定指标,代码评审侧看评审耗时、评论条数中有效问题占比、遗留缺陷率、返工率;用户体验侧看任务完成时间、操作步数、放弃率与满意度。再看对照:上线前后同期对比(注意季节性)、灰度分组 A/B、以及同仓库同类型 PR 的配对比较。避免只用「使用次数」这类活跃指标证明价值——用的人多不等于有用。
Token 消耗归因:先把消耗拆到维度——输入(系统提示词、仓库上下文、检索片段、历史对话)与输出(回答、工具调用参数、思考);再对照实验:固定任务集,分别改提示词长度、上下文检索策略、仓库结构(文件粒度、索引方式)、以及模型档位,看每一项对 token 与成功率的影响。常见结论是「上下文塞太多」和「重复读取同一文件」贡献最大,优化手段是检索而不是全量塞入、缓存文件摘要、以及让工具返回结构化摘要而非全文。
对比模型时控制变量:固定提示词版本、温度、最大输出、工具集与执行环境,只换模型;同一批任务跑多次取均值与方差(模型本身有随机性);任务集要覆盖不同难度与类型,并预置评分标准(人工或规则);记录失败率而不只看成功样本的质量。结论要写清「在什么任务分布下、差异多大、是否显著」,否则换模型的决定没有依据。
批量任务不堵塞他人:入口按用户做配额与排队(每用户并发上限、令牌桶限速),任务进消息队列按优先级调度,重任务单独一个队列与消费者池,避免与轻量任务抢资源;对大批量做分片与进度回执,支持取消;对下游(解析服务、存储)做背压与熔断。监控按用户维度看排队时长与失败率,防止单个用户把公共资源吃满。
脱敏的三道闸:客户端上传前做第一道(识别手机号、身份证、邮箱、密钥,替换为占位符并保留映射在本地),服务端做第二道复检(不能信任客户端,用同一套规则再扫一遍,命中即拒绝或再脱敏并记录),分享发布前做第三道(面向外部的内容按更严格的规则扫描,含图片 OCR 与文件名)。规则要版本化,误杀与漏杀都要有反馈通道;日志里不能落原文。
RocketMQ 不丢消息:生产端用同步发送并检查 SendStatus,失败重试,关键业务用事务消息或本地消息表保证「业务落库」与「消息发出」一致;Broker 侧开同步刷盘与主从同步复制,避免单点掉电丢数据;消费端处理成功后才返回 CONSUME_SUCCESS,失败返回 RECONSUME_LATER 进入重试队列,超过次数进死信队列并告警。再叠一层对账:定期比对业务表与消息消费结果,发现漏消费补发。注意「不丢」与「不重」是两件事,消费端必须幂等。
二叉树层序遍历:用队列,根节点入队;循环弹出队首、访问、把左右子节点入队,直到队列为空。要按层输出时,每轮先记录当前队列长度 n,只处理这 n 个节点,处理完把这一层的结果收集起来。时间 O(n)、空间 O(宽度)。写完补一句变体:锯齿形遍历在这一层结果上按层号反转,右视图取每层最后一个节点。