面灵AI→

成都小厂 Agent 面经:从 MVCC 问到代码生成平台与 Token 缓存

轮次
一面
结果
已 OC
时间
2026-11
来源
牛客网

《面试题目》

  1. 自我介绍,项目介绍。
  2. 乐观锁、悲观锁和 MVCC 分别解决什么问题?
  3. MySQL 索引在什么情况下会失效?有哪些索引优化方法?
  4. 使用 AI 辅助编程时,如何保证生成代码的质量和工程性?
  5. 什么是 Redis 缓存击穿?有哪些解决方案?
  6. 你的代码生成平台具体是怎么实现的?
  7. 为什么代码生成平台只生成前端,不考虑生成后端?
  8. 如何保证大模型生成的前端 UI 符合用户预期?用户只有模糊需求时怎么通过迭代优化?
  9. 代码生成平台为什么使用 RAG?
  10. 为什么选择 LangChain 作为 Agent 编排框架?
  11. DeepSeek 和 Qwen 等不同模型对工具调用、结构化输出的支持存在差异,如何兼容?模型要求输出 9 个字段、实际只返回 8 个怎么办?
  12. Agent 的短期记忆和长期记忆如何区分?
  13. 多轮对话是否考虑固定 Prompt 前缀?
  14. 是否考虑过大模型 Token 缓存命中率?如何降低多轮对话的 Token 成本?
  15. RocketMQ 和 Kafka 有什么区别?
  16. 二叉树的中序遍历是什么?不使用递归如何实现?
  17. 反问:团队业务、有没有 AI 额度。

《参考解析》

三种并发控制。 悲观锁默认冲突会发生,读或写之前先加锁(SELECT ... FOR UPDATE、行锁、表锁),优点是简单可靠,缺点是持锁时间长、并发度低、容易死锁。乐观锁假设冲突少,不加锁,更新时用版本号或时间戳做条件(UPDATE ... SET v = v + 1 WHERE id = ? AND version = ?),失败就重试,优点是并发度高,缺点是冲突多时重试成本高。MVCC 是数据库层面的多版本并发控制:每行记录带事务版本信息,读操作读取事务开始时的可见版本(快照读),写操作产生新版本,读写互不阻塞,解决了「读不加锁也能得到一致视图」的问题,但带来了版本链清理(purge)与长事务导致 undo 膨胀的问题。三者不是替代关系:MVCC 让普通读不用锁,写写冲突仍靠锁,业务层再按冲突概率选乐观或悲观。

索引失效的常见场景。 在索引列上做函数或运算(WHERE DATE(create_time) = ...)、隐式类型转换(字符串列用数字比较)、LIKE '%xxx' 前缀模糊、联合索引不满足最左前缀、OR 连接的列没有全部建索引、!= 或 NOT IN 导致优化器放弃索引、数据分布倾斜使优化器判断全表扫描更便宜、以及字符集不一致导致 JOIN 无法用索引。优化方法:把函数移到常量侧或建函数索引、联合索引按「等值在前、范围在后」排列、用覆盖索引减少回表、分页深翻用「延迟关联」或游标、统计信息及时更新、必要时用 EXPLAIN 验证而不是凭经验。

AI 辅助编程的质量保证。 分四层:输入层给足上下文(相关文件、接口约定、编码规范),让模型在约束内生成;生成层要求小步产出(一次一个函数或一个改动),便于 review;验证层必须跑编译、单测、lint 与类型检查,关键路径手动跑一遍;治理层建立团队规范(禁止直接提交未 review 的生成代码、敏感信息不进 prompt、依赖变更需人工确认)。工程性上还要看可维护性:命名、错误处理、日志、边界条件,这些是模型最容易偷懒的地方。

缓存击穿与穿透、雪崩的区别。 击穿是某个热点 key 过期瞬间大量请求打到数据库;解决方案是互斥锁重建(只让一个请求去查库,其余等待)、逻辑过期(不设物理 TTL,异步刷新)、热点数据永不过期 + 后台更新。穿透是查询不存在的数据,缓存与数据库都没有,解决方案是缓存空值(短 TTL)或布隆过滤器。雪崩是大量 key 同时过期或缓存整体不可用,解决方案是过期时间加随机抖动、多级缓存、熔断降级、集群高可用。

代码生成平台为什么先做前端。 前端的验收标准是可视的,生成结果能立即渲染、用户能直接判断好坏,反馈闭环短;后端涉及数据模型、事务、权限、部署,错误代价高且难以自动验证。用 RAG 的原因是把「设计规范、组件库文档、历史页面、业务术语」检索进上下文,让生成结果符合既有风格与约束,而不是每次从零猜。用户只有模糊需求时,靠「结构化澄清 + 多轮迭代」:先让用户选模板或参考图,生成第一版后让用户在预览上指哪改哪(局部重生成而不是整页重来),把每次修改沉淀成偏好。

多模型兼容与结构化输出。 差异主要在工具调用的协议(function calling 的字段格式、是否支持并行调用、是否支持强制指定工具)与结构化输出的可靠性(JSON mode、schema 约束)。兼容层要做三件事:统一内部工具描述格式,按模型能力做适配(不支持 function calling 的走提示词 + 解析);对输出做 schema 校验,缺字段时按策略处理(重试并明确指出缺哪个字段、用默认值补齐并标记、或降级为纯文本回答);对不同模型的错误码与限流做统一封装。模型要求 9 个字段只返回 8 个时,正确做法是校验失败后带着「缺 field_x」的反馈重试一次,仍失败则返回部分结果并标注缺失,而不是静默补默认值。

记忆分层与 Token 成本。 短期记忆是当前会话的上下文(对话历史、工具结果、任务状态),受窗口限制,需要压缩与裁剪;长期记忆是跨会话的知识(用户偏好、历史结论、领域知识),存在外部存储里按需检索。固定 Prompt 前缀的意义是命中提示缓存:系统提示与工具表放在最前且保持不变,可变内容追加在后面,缓存命中后这部分 token 按更低价格计费、首字延迟也更低。降低多轮成本的手段:压缩历史、把大段工具结果替换为摘要或引用、限制检索条数、对简单请求路由到小模型、把重复的静态内容前置以命中缓存。

RocketMQ 与 Kafka。 Kafka 为高吞吐设计,分区顺序写、批量发送、零拷贝,适合日志、流式数据、事件总线;它的消息模型是分区 + 消费组,顺序性只保证分区内,事务与延迟消息支持较弱。RocketMQ 在事务消息、延迟消息、消息重试与死信、消息过滤上更完整,适合业务系统里的订单、支付这类需要可靠投递与定时触发的场景。选择依据是「吞吐优先还是业务语义优先」。

中序遍历的非递归实现。 用显式栈模拟递归:从根开始一路向左把节点压栈,直到为空;弹出栈顶访问,然后转向其右子树,重复。时间复杂度 O(n),空间 O(h)。另一种写法是 Morris 遍历,利用叶子节点的空右指针做线索,空间 O(1),但会临时修改树结构,适合对空间敏感且允许改动的场景。