面灵AI→

长鑫存储 AI 全栈一面:ReAct 与 Workflow 怎么选、harness 会不会被模型吃掉

轮次
一面
时间
2026-10
来源
牛客网

《面试题目》

  1. 自我介绍。
  2. Java 线程和进程的区别是什么?线程管理和创建的过程是怎样的?
  3. 死锁的基本概念、产生的必要条件以及解决思路?
  4. 遇到线程相关的问题,怎么排查和定位代码?
  5. AI 相关 RAG 项目用到的切分策略是怎样的?怎么进行调优?
  6. ReAct 和 Workflow 的区别是什么?怎么选择?
  7. harness 是什么?它和大模型有什么关系?
  8. 有个观点说随着模型不断变强,harness 可以越来越薄甚至被模型取代,你认为这个观点正确吗?
  9. 描述一下浏览器输入一个 URL 到页面显示,这个过程经历了什么?
  10. 反问。

《参考解析》

线程与进程:进程是资源分配单位(独立地址空间、文件描述符、信号处理),线程是调度单位(共享地址空间,独立栈与寄存器)。Java 里创建线程有三条路径——继承 Thread、实现 Runnable/Callable(配合 FutureTask 拿返回值)、以及用线程池(ThreadPoolExecutor,实际生产就该走这条)。线程生命周期:NEW → RUNNABLE → BLOCKED/WAITING/TIMED_WAITING → TERMINATED。

死锁四条件:互斥、请求并保持、不可剥夺、循环等待。解决思路对应破坏其中一条:按固定顺序加锁(破坏循环等待,最常用)、用 tryLock 带超时(破坏不可剥夺)、一次性申请全部资源(破坏请求并保持)、把共享资源改成无锁结构或串行化。

线程问题排查是「工具 + 现场」:jstack 抓栈看 BLOCKED 与持锁者、top -Hp 找高 CPU 线程再换算成 nid 与栈对齐、jstat 看 GC 是否频繁、jmap/堆 dump 看是否有对象泄漏;线上还要看线程池队列积压与拒绝策略。

RAG 切分调优:切分粒度与文档类型挂钩(条款按层级、技术文档按段落与代码块、表格单独成块并保留表头),chunk 大小按检索粒度定,带重叠避免切断语义。调优的抓手是评测集:改动切分后跑同一批问题,看召回率、答案正确率、以及「答案在召回块里但没被引用」的比例,据此判断是切分问题还是排序问题。

ReAct 与 Workflow:Workflow 是预设的固定路径,可控、可测、成本低,适合流程稳定、每步输入输出明确的场景;ReAct 是模型边想边选工具的循环,灵活但不可预测、成本高、易发散,适合步骤不确定、需要动态决策的场景。工程上的常见做法是「骨架用 Workflow,局部开放 ReAct」,并给它加步数上限、工具白名单与失败重试。

harness 是什么:模型之外的执行框架——负责拼上下文、管工具调用、做重试与超时、维护状态和沙箱、把结果写回。它与模型是「能力 + 载体」的关系:模型的输出要经 harness 才能落到真实环境。

**「harness 会不会被模型取代」**这题没有标准答案,重点是给出有依据的判断:模型变强会吃掉一部分「编排智能」(原来靠规则拆的步骤,模型能自己规划),但 harness 里还有大量与模型能力无关的东西——权限与安全边界、幂等与事务、可观测性与审计、成本与时延控制、长任务的持久化。这些是工程约束,不是智力问题,模型再强也需要一层东西来承载。所以趋势是 harness 变薄、但重心从「教模型怎么做」转向「保证模型做的事可管、可回滚、可度量」。