阿里后端开发岗面经 06:Agent 记忆与秒杀设计
- 轮次
- 多轮面试合集
- 时间
- 2026-09
- 来源
- 牛客网
《面试题目》
- 请做一下自我介绍
- ReAct 和 Plan 模式有什么区别?
- MCP 工具如何实现?
- 短期记忆和长期记忆如何实现?
- 多 Agent 协作时如何处理 Worktree 冲突?
- Kafka 如何保证消息投递成功?
- Kafka 如何保证消息幂等性和顺序性?
- Java 类加载机制是什么?
- 线程池有哪些核心参数,含义分别是什么?
- HashMap 的底层结构是什么?
- Redis 的过期删除和持久化策略有哪些?追问:为什么使用 Lua 脚本?
- 如何使用分布式锁实现一人一单?
- Redis 主从切换导致锁丢失时如何处理?
- 如何设计秒杀系统?
- 请介绍 TCP 三次握手
- TCP 如何保证可靠传输?
- 介绍实习期间承担的主要工作
- 介绍各个项目及投入时间
- 在 AI 提效项目中承担什么角色?
- 哪个项目的工程挑战最大?
- 介绍平台重构的背景和方案
- 如何结合 AI 解决准确率问题?
- 平台处理过哪些类型的多媒体文件?
- 如何平衡模型成本、人工成本和效果?
- 模型无法判断或判断错误时,如何识别并处理?
- 平台中同步和异步任务(原帖在此截断)
《参考解析》
1. ReAct 与 Plan 模式的区别。ReAct 是「想一步、做一步」的交替循环:模型输出一段推理,调用一个工具,观察结果后继续推理,路径随执行结果动态调整,适合环境不确定、需要边查边改的任务。Plan 模式先让模型把整个任务拆成步骤清单,再逐步执行,好处是全局可控、步骤可审核可复用、能提前发现依赖冲突,代价是一旦环境与规划时的假设不符,整份计划都可能要重做。工程上常见的组合是外层 Plan 定框架、内层 ReAct 处理每一步里的不确定性。
2. 短期记忆与长期记忆。短期记忆就是当前会话的上下文窗口,实现上是消息列表加上必要的裁剪与摘要——上下文快满时把早期对话压缩成摘要,保留最近若干轮原文。长期记忆要跨会话,通常走「写入—检索」两条路:写入时把值得记住的事实抽取成结构化条目或向量存进外部库,检索时按当前 query 召回相关条目再拼进 prompt。关键的设计点是写入策略(什么值得记、去重与更新怎么做)和召回精度,而不是向量库选型。
3. Kafka 的投递成功与不重不漏。生产者侧设置 acks=all 并开启重试,配合 enable.idempotence=true 让 broker 用 PID + 序列号去重,实现生产端幂等;同时把 min.insync.replicas 调到 2 以上,避免只写到一个副本就算成功。顺序性只在单分区内成立,要保序就得按业务键指定分区键,让同一实体的消息落到同一分区,且消费者端 max.in.flight.requests 不要超过 1。消费侧要做到「至少一次 + 业务幂等」,不能指望 broker 保证恰好一次——业务层用唯一键或状态机去重才是可靠做法。
4. Redis 主从切换导致锁丢失。主从复制是异步的,主节点写入锁之后还没同步到从节点就宕机,从节点升主后这把锁就消失了,另一个客户端能同时拿到锁。处理方式分三档:接受风险但保证业务幂等(大多数场景够用);用 Redlock 向多数派节点加锁,代价是延迟上升且仍有争议;改用 ZooKeeper、etcd 这类基于共识协议的协调服务,牺牲性能换严格的互斥语义。答题时把「最终还是要把下游操作用 fencing token 或唯一约束保护起来」讲出来,比只背 Redlock 更能加分。
5. 一人一单的分布式锁。先想清楚有没有必要上锁:如果数据库上有「用户 + 商品」的唯一约束,那么用 INSERT ... ON DUPLICATE KEY 或捕获唯一键冲突就能天然幂等,锁反而是多余的。真要上锁,用 SET key value NX PX 加锁、value 存请求唯一标识、Lua 脚本比对后再删,锁的粒度按用户而不是按商品,避免热点商品变成全局串行。再加一层「先查后写」的快速失败路径,把绝大多数重复请求挡在 Redis 层。
6. TCP 为什么可靠。可靠不是单点机制,是一整套配合:序号与确认保证不丢,超时重传与快速重传负责补,滑动窗口做流量控制,拥塞窗口(慢启动、拥塞避免、快恢复)防止把网络打爆,校验和发现传输错误,三次握手与四次挥手保证连接的建立和释放双方都确认到位。三次握手存在的意义是让双方都能确认「自己的发送和接收能力都正常」,并同步初始序号;两次做不到这一点。
7. 模型成本与效果的平衡。面试里要给出可执行的分层策略,而不是「用便宜的模型」这种空话:按任务难度路由到不同档位的模型(简单分类走小模型,复杂推理走大模型),能规则判定的先走规则;对结果做缓存与复用,相同的输入不重复调用;对准确率要求高的环节引入人工抽检或双模型交叉验证,把人工成本花在模型拿不准的少数样本上。同时要能答出「怎么衡量」——用离线评测集看准确率,用线上埋点看人工修正率,两个数字一起决定要不要升级模型。