面灵AI→

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》

  1. 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?
  2. 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?
  3. 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?
  4. 数据解析放在客户端还是服务端,应该怎样权衡?
  5. 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?
  6. 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?
  7. 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?
  8. 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?
  9. 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?
  10. 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?
  11. 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?
  12. 如何保证 RocketMQ 的消息不丢失?
  13. 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。