帆软 Java 一面凉经:AST 解析 SQL、Agent 链路与线程安全 List
- 轮次
- 一面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- 自我介绍。
- 项目里 AST 为什么能解析 SQL?一条 SQL 如何被解析成抽象语法树?
- AST 的结构与哪种设计模式比较相似?
- 用过哪些设计模式?举例说明。
- 如何限制 SQL 只能执行只读操作,并控制查询权限和返回行数?
- 给 SQL 添加 LIMIT 时,如何兼容分页?
- 如何识别高频问题?热点不断变化时,如何动态更新并缓存复用?
- 如何判断不同表述的问题属于同一类?
- 多轮对话中,上下文保留多少轮?依据是什么?
- 将完整查询结果替换成文件引用,会如何影响 Agent 的回答效果和 Token 消耗?
- 如何验证 Token 优化效果?原始数据和对比方法是什么?
- 如何实现 Agent 链路追踪?了解哪些相关开源框架或组件?
- Agent 针对同一问题反复调用搜索工具、结果相似却一直不结束,如何排查?
- 如何设置工具调用的最大轮次?
- 能否通过搜索结果处理、重排等方式判断是否应该结束搜索?
- 如何通过关键词改写拓宽搜索范围?具体怎么实现?
- Java 中有哪些实现线程安全 List 的方式?
- CopyOnWriteArrayList 如何保证线程安全?
- CopyOnWriteArrayList 有哪些缺点?
- CopyOnWriteArrayList 频繁写入导致大量副本创建,如何优化复制开销?
- 算法题:给定一个非负整数数组,选取若干互不相邻的元素使总和最大(打家劫舍)。
《参考解析》
-
SQL 到 AST:词法分析把字符流切成 token(关键字、标识符、字面量、运算符),语法分析按 SQL 文法把 token 组织成树,每个节点表示一种语法结构(SelectStmt、FromClause、WhereExpr)。项目里一般直接用解析器库(如 JSqlParser)而不是自己手写,手写只在需要方言定制时才值得。
-
AST 与设计模式:结构上最像组合模式——节点与子节点同构、可以递归遍历;再叠加访问者模式做「不改节点、只加操作」,比如在 AST 上遍历检查是不是只读语句。答出这一层才算理解,而不只是背「组合模式」四个字。
-
只读与权限控制:解析 AST 判断语句类型,只放行 SELECT/SHOW 这类,拒绝 DDL/DML 和多语句;再按表名、字段做白名单,绑定数据库账号的只读权限做最后一道。返回行数在 SQL 层加 LIMIT,同时设查询超时,避免一条慢查询拖垮连接池。
-
LIMIT 与分页兼容:已有 LIMIT offset, size 时不要再套一层,按 AST 判断是否已有 LIMIT,没有才追加;有的话取两者最小值。子查询里已经带 LIMIT 的情况要递归判断,不能正则匹配了事。
-
高频问题识别:归一化后做计数,把参数替换成占位符再哈希,避免「同一个问题换个 ID」被当成新问题。热点会漂移,所以用带时间衰减的窗口(近 7 天加权)而不是全量累计,缓存设 TTL 并定期重算 TopN。
-
语义归类:轻量做法是分词加同义词表、编辑距离或 SimHash,重一点用向量相似度聚类。工程上通常两级:先精确命中和关键词召回,再用向量相似度判定是否同一类,阈值要拿真实样本校准。
-
上下文保留轮数:按任务类型定,闲聊几轮就够,排查类问题需要保留完整工具调用链。更稳的做法是不按轮数截断,而是按 token 预算裁剪:保留系统提示和最近若干轮,中间部分做摘要。
-
结果换文件引用:能显著降 token,但会让模型失去对明细的直接感知,容易出现「知道有文件但答不出具体行」的问题。合理做法是回传结构化的摘要加少量样本行,文件引用作为按需读取的入口,而不是把结果整体藏起来。
-
验证 Token 优化效果:固定一批真实问题做离线回放,对比优化前后的输入输出 token、首字延迟、答案正确率(人工或 LLM 打分)。只看 token 下降不看质量会得出错误结论。
-
链路追踪:每个请求一个 trace id,每轮模型调用和每次工具调用作为一个 span,记录入参、耗时、token 和结果摘要。开源可参考 OpenTelemetry 的 GenAI 语义约定、Langfuse、Phoenix 这类 LLM 可观测方案。
-
死循环排查:先看 trace 里每轮的工具入参有没有变化——参数不变而结果相似,说明模型没有吸收结果,通常是提示里缺少「已获得什么、还缺什么」的状态;也可能是结束条件没定义清楚。修法是给状态摘要、给明确的终止判据,再加最大轮次兜底。
-
最大轮次:按任务复杂度设,检索类 5~8 轮足够,超过就强制收尾并返回已有信息加一句说明。轮次上限是兜底,不是主要手段。
-
用结果判断是否结束:可以让模型对「已有信息是否足以回答」做一次判断,或者用规则兜底(连续两轮结果相似度高、关键字段已齐)就终止。重排只能提高相关性,不能替代终止判断。
-
关键词改写:同义词扩展、上位词与下位词替换、去掉限定词做宽召回、按领域词典补全缩写。实现上可以维护同义词表加规则,也可以让模型生成多个查询并行检索再合并。
-
线程安全 List:
Collections.synchronizedList(全表加锁)、CopyOnWriteArrayList(写时复制)、Vector(遗留类)、或用ConcurrentLinkedQueue之类的并发容器替代。选型看读写比例。 -
CopyOnWriteArrayList:写操作在锁内复制一份新数组、改完替换引用,读操作完全无锁直接读当前数组,所以读多写少时性能好,迭代也不会抛 ConcurrentModificationException。
-
缺点:每次写都全量复制,内存开销和写延迟都随元素数量线性增长;数据有延迟,写完立刻读另一线程可能读到旧值;只保证最终一致,不适合频繁写和大列表。
-
优化复制开销:减少写频率(批量合并写)、换数据结构(读写都多的场景用
ConcurrentHashMap或分段结构)、只在配置类、监听器列表这类「几乎只读」的场景使用它。 -
打家劫舍:
dp[i] = max(dp[i-1], dp[i-2] + nums[i]),只需保留前两个状态,O(n) 时间 O(1) 空间。