百度 Agent 开发 一面:代码生成平台的编译隔离与优惠券超卖
- 轮次
- 一面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- 自我介绍。
- 平时有没有使用 AI 工具?主要使用哪些 AI Coding 工具?
- 这些 AI 工具主要用在开发流程的哪些环节?
- Vue 代码生成之后,如何编译并提供预览?
- 使用什么技术执行编译操作?
- 假设每个用户的项目要起一个服务、占一个端口,怎么解决?静态文件共用一个端口。
- 如果用户的环境没有安装 npm,项目还能正常运行吗?
- 如果用户量增加,同时有大量用户要求编译,服务器资源够吗?
- 你的提示词增强是怎么实现的?有没有考虑使用模板,避免重复生成通用代码?
- 提示词增强具体解决了什么问题?
- 你的平台有没有集成 Skills、CLI 或其他系统级工具?
- 你自己有没有沉淀过 Skills?
- 平时使用过哪些别人提供的 Skills?
- 你认为项目中最有技术含量的部分是什么?
- 为什么执行到后面 Prompt 会越来越长?
- ReAct 会不会对生成结果造成影响,毕竟提示词范围变小了?
- Agent 协同是怎么做的,是独立部署的服务,还是同一个服务内部的组件?
- 如果两个 Agent 之间通信失败怎么办?
- 介绍一下优惠券发放的业务场景。
- 高并发情况下,优惠券系统会出现什么问题?
- 什么是超卖?
- 如何防止同一个用户重复领取优惠券?
- 同一个用户同时发送多个请求,会出现什么问题?
- 介绍一下你使用方案的演化:setnx → redisson → redis lua + MQ。
- Redis 中的优惠券库存如何预热?
- 如何保证 Redis 和 MySQL 的数据一致性?
- MQ 有重试机制吗?
- 如何设计消息幂等?
- 两次查询间隔时间很短怎么办?
- 反问:公司业务、是否使用 AI Coding 工具与额度、面试表现。
- 算法:两数之和。
《参考解析》
代码生成后的编译与预览:链路是「生成代码 → 写入隔离目录 → 安装依赖 → 构建 → 产出静态文件 → 托管预览」。构建在服务端容器里做,每个项目一个临时工作目录,构建完成后把产物(dist)上传到对象存储或静态托管,用子路径或子域名区分项目。不依赖用户本机 npm:构建全在服务端完成,用户只拿到预览 URL。资源隔离靠容器(限制 CPU、内存、构建超时)加队列(构建任务排队,限制单用户并发),并缓存依赖(预装常用依赖的镜像层或 pnpm store),避免每次重新下载。
端口与多用户:不要让每个项目起独立服务占端口。构建产物是静态文件时,用同一个静态服务器按路径区分(/preview/{projectId}/),或用通配子域名加反向代理;需要运行时的项目(Node SSR、后端接口)才起容器,用容器编排按需拉起并限流,闲置一段时间回收。预览链接加签名与过期时间,防止被遍历。
为什么 Prompt 越来越长:多轮执行中每一步的工具结果、历史动作、中间产物都会追加进上下文;如果每轮都把完整文件内容塞进去,长度会线性膨胀。解法是上下文管理:只保留最近若干轮、对历史做摘要、把大文件改为按需读取(给模型文件索引与检索工具而不是全文)、把稳定的系统提示与工具定义放在前缀以命中缓存。这也解释了为什么 ReAct 的效果会波动:提示词范围变小意味着模型看到的约束变少,需要用工具把缺失的信息按需取回。
多 Agent 通信失败:先定义失败类型:超时、返回格式错误、任务失败、消息丢失。工程上把 Agent 间通信做成「有状态的任务协议」:每个子任务有 id 与状态,调用方发起后轮询或等回调,超时重试要带幂等键,失败进重试队列并设最大次数,最终失败要能降级(返回部分结果或转人工)。如果是同一进程内的组件调用,用内存队列加超时;跨服务用消息队列并持久化。要能说明「重试不等于重复执行」:子任务本身要幂等。
优惠券超卖与防重:超卖是库存扣成负数,根因是「读-判断-写」不是原子操作。方案演化:SETNX 做简单锁,问题是锁无续期、可能死锁、不可重入;Redisson 提供看门狗续期与可重入,但仍是串行化,热点下吞吐有限;最终用 Lua 脚本把「判断库存 + 扣减 + 记录用户已领」合成一次原子操作,再把下单落库异步化走 MQ,Redis 只做库存与去重的前置闸门。防重复领取用「用户 id 加券 id」作为去重键写入 Set 或唯一索引。同一用户并发多请求靠 Lua 原子性与唯一约束兜底,不能只靠先查后写。
Redis 与 MySQL 一致性:常用 Cache Aside:读时先读缓存,未命中读库并回写;写时先更新库再删除缓存。延迟双删用于降低并发读写导致的旧值回填。更强的一致性靠「订阅 binlog 异步刷新缓存」或「库存类操作以 Redis 为准、异步落库并以对账兜底」。要说明没有绝对强一致,只有「最终一致加对账」,并给出差错处理路径。
库存预热与幂等:预热在活动开始前把库存从库读到 Redis,写入时用 Lua 保证不覆盖已扣减的值;预热失败要有补偿。消息幂等用全局消息 id 加消费记录表(唯一索引),或用业务唯一键;消费前先插入幂等记录,插入成功才执行业务,失败则跳过。两次查询间隔很短时,用请求合并或本地缓存挡一层,避免同一份数据被反复打穿到下游。
两数之和:哈希表一遍扫描,对每个元素查 target - x 是否在表中,在则返回下标,不在则把当前值与其下标存入。时间 O(n)、空间 O(n)。边界:数组不足两个元素、有重复值、要求返回所有组合时改多值映射。