面灵AI→

虎牙 全栈开发 秋招二面:AI 编码工作流与 Redis 深挖

轮次
二面
时间
2026-10
来源
牛客网

《面试题目》

  1. 参加过的竞赛里,哪个含金量最高?
  2. 比赛过程中的难点有哪些?你做了什么工作?
  3. 最终的参赛队伍和名次比例是怎样的?
  4. 分布式锁和异步线程池是如何设计的?
  5. 业务系统的 QPS 量级是多少?有没有做性能方面的设计优化?
  6. 设计优化前后,QPS、响应时间等指标分别提升了多少?
  7. 你自己会关注哪些指标?如果指标达不到要求,如何评估问题并优化?
  8. Agent 的架构是怎样的?你主要做了哪些工作?
  9. 如何评测 Agent 产出质量的效果?
  10. AI 编码如何约束编码质量?是否了解开源的方案或业界大厂的方案?
  11. 前端是自己写还是 AI 编码?如何保障 AI 编码的稳定性?
  12. 你从产品需求到最终交付上线,使用 AI 编码的工作流是怎样的?
  13. 如果是对已有代码的更改,如何防止 AI 进行不必要的改动?
  14. 为什么 Redis 比 MySQL 快?快多少数量级?
  15. 那为什么不直接用 Redis 存储数据?
  16. 如果就是想用 Redis 存储数据,能实现吗?如何做数据持久化?
  17. Redis 有哪些常见的集群方案?
  18. Redis 主从数据同步的原理是什么?是同步还是异步?

《参考解析》

分布式锁要讲清「三件事」:互斥怎么保证(SET key value NX PX 原子加锁,或 Redisson 的 lua 脚本)、超时与续期怎么处理(租期要大于业务耗时的预估,配合看门狗续期,避免业务没做完锁先过期)、释放怎么安全(校验 value 是自己的再删,用 Lua 保证原子)。更严谨的方案要提 fencing token:即使锁误判,下游也能用单调递增的令牌拒绝过期持有者的写入。异步线程池要讲隔离:不同业务用不同池,避免一个慢下游拖垮全部;配齐核心线程数、队列、拒绝策略与监控(活跃线程、队列长度、拒绝次数)。

性能优化的回答必须有前后对照:说清优化前的瓶颈定位方法(压测 + 火焰图 + 慢查询),改了什么(缓存、批量、索引、异步、连接池、序列化),指标变成多少(QPS、P99、CPU、DB 负载),以及代价(一致性延迟、内存、复杂度)。没有数字的「优化了性能」在二面会被追穿。

Agent 质量评测要分层:任务级看成功率与端到端耗时,步骤级看工具调用正确率与无效调用次数,输出级看人工抽检或 LLM-as-judge 打分,成本级看每任务 token 与费用。评测集要覆盖真实分布并保留历史失败案例做回归,否则指标只会随样本漂移。

AI 编码的质量约束靠「机器可判的门」:类型检查、lint、单测、构建、契约测试这些必须先过;再叠一层「改动范围约束」——让它先读相关文件、输出改动计划、只允许改指定文件,禁止顺手格式化无关代码;review 只看 diff 并对照计划。防止不必要改动最有效的三条:给明确的最小改动指令、禁止运行格式化与批量重命名、以及提交前用 git diff --stat 检查波及面。

Redis 快在哪、快多少:纯内存访问、单线程事件循环避免锁竞争与上下文切换、IO 多路复用、高效的数据结构(跳表、紧凑编码)、协议简单。数量级上,单实例读写在 10 万 QPS 量级,MySQL 单机点查通常在千到万级,差一到两个数量级——但这只是「单条简单命令」的对比,复杂查询和事务语义完全不同。

「为什么不直接用 Redis 存数据」要答持久性与一致性:Redis 的持久化是 RDB 快照 + AOF 日志,RDB 会丢最后一次快照之后的数据,AOF everysec 也可能丢约 1 秒;主从复制是异步的,故障切换可能丢写;没有跨 key 的强事务与成熟的行级约束、外键、复杂查询与 join。所以 Redis 适合做缓存、会话、计数、排行榜、队列,核心账务数据仍要落在有 WAL、有事务、有备份的关系库。

集群方案与主从同步:主从(读写分离、异步复制)、哨兵(监控 + 自动故障转移,仍是单主)、Cluster(16384 个槽分片,多主多从,支持水平扩展但有跨槽操作限制)。主从同步分两步:首次全量(主库 fork 生成 RDB 传给从库,期间增量写进 replication buffer)与之后增量(传播命令流,靠 repl_backlog 支持断线重连的部分重同步)。默认异步,所以 WAIT 命令只能降低丢写概率,做不到强一致。