10.28 康冠科技 Android 应用开发面经:Redis、规则引擎与端侧 AI
- 轮次
- 一面
- 时间
- 2026-10
- 来源
- 牛客网
《面试题目》
- Redis 原子占用是怎么实现的?随机上呼接口在多实例并发调用时怎么保证账号一致?
- 保险理算、批赔规则与规则引擎是怎么做的?Drools 如何实现不同保险产品的规则解耦?
- 规则参数怎么设计?跨系统数据查询与依赖怎么处理?
- 规则冲突、优先级怎么设置?有没有死循环或溢出风险?
- 规则变更的风险控制怎么做?新旧逻辑对比、配置表切换、灰度发布和全量切换?
- 介绍一下 Agent 模块的项目经历。
- AI 生成 SQL 是怎么用的?人工审核流程是什么?
- 个人智能网页创作平台的情况?提示词怎么管理?开发耗时多久?
- 工具调用循环和 Agent 框架的思路是什么?
- 有没有 Android 应用开发经历?用 AI 开发过哪些 Demo?
- Activity、Fragment 通信与自定义 View 考了什么?
- 端侧 AI 的应用场景、NPU 推理与 Service 接口架构是怎样的?
- Agentic AI 与端侧 AI 的区别?端侧 AI 在数据安全上的优势?
- 后台开发转端侧 AI 可行吗?需要补哪些模型转换工具?
- 在校开发 AI 项目常用哪些工具?Pi Agent、Claude Code 的框架设计、Agent Loop、Token 消耗与插件扩展?
- 考研、考公计划与赴深圳工作的意向?学业、英语、薪资期望与其他 offer?
《参考解析》
Redis 原子占用:用 SET key value NX PX ttl 做分布式锁,或用 Lua 脚本把「检查 + 占用」合成一个原子操作;多实例并发下要给每个实例分配独立的账号池或分片键,避免同时抢同一个账号;锁要带过期时间和续期(看门狗),释放时校验持有者(value 存唯一 ID,Lua 比较后删除)。
Drools 规则解耦:每个保险产品一组 DRL 文件,用 agenda-group 或 ruleflow-group 隔离,fact 对象统一;规则冲突用 salience 设优先级,避免同一 fact 被多条规则反复修改;死循环风险来自 update/modify 触发自身,要用 no-loop 或控制事实状态;规则变更走「配置表 + 版本号 + 灰度」,新旧逻辑并行跑对账,确认一致再切全量。
AI 生成 SQL:模型只生成候选 SQL,必须经过「语法校验 → 权限校验(只读、限定表)→ 人工审核 → 在只读库试跑」;用 schema 和示例约束输出,禁止拼接用户输入;记录每次生成的 prompt 和结果便于回溯。
端侧 AI 架构:模型转成端侧格式(ONNX/TFLite/NCNN 等),由 NPU/GPU 推理,通过 Service 向上层应用提供能力;优点是低延迟、离线可用、数据不出设备;难点是模型体积、量化精度、内存和功耗。与 Agentic AI 的区别是后者强调多步规划与工具调用,通常依赖云端大模型。