美团一面 40 问:Agent 断点续跑、资金链路风控与 binlog 对账
- 轮次
- 一面
- 时间
- 2026-10
- 来源
- 牛客网
《面试题目》
Agent 与对话系统
- 先做一下自我介绍。
- 从实习经历里挑一段最能体现技术成长、复杂问题解决能力的项目讲一讲。
- Agent 里面断点续跑具体是怎么做的?
- 这个对话的隔离机制是什么样的?
- 怎么识别是两次对话还是一次对话?
- 一次对话里有多个聊天记录,如何防止大模型幻觉、把第二个识别成第一个?
- 意图识别存在不准确的情况,调优过程和经验可以分享下吗?
- 大模型幻觉输出错误信息,你们怎么处理?
- 用户确认之后,是大模型对话交互,还是后台代码直接触发、不走大模型调用接口?
资金链路与风控
- 资金交易链路存在用户恶意操作、作弊,有哪些防范手段?
数据同步与对账
- 讲下基于 binlog 做数据同步、搭配数据对账,会遇到哪些数据不一致问题,做了哪些处理?
- 你们系统和中台之间的数据同步机制是什么?为什么会产生数据不一致?
- MQ 消息乱序导致数据同步不一致,一般怎么解决?
- 如果不考虑中台改造成本,用分区保证消息顺序具体怎么做?
- 如果业务变多,分区键粒度会不会太粗?
- 做对账之前,你们预期的一致性时间窗口是多少?
- 哪些场景下准实时对账窗口解决不掉问题?
- 检测到数据不一致,具体怎么补偿?
- 极端场景下大量门店开通、MQ 积压,是否会全部判定为不一致、造成消息滚动挤压?怎么规避或发现这种积压、人工干预?
链路重构与可用性
- 链路重构对业务的提升是怎么实现的?
- 推进链路融合,项目背景是什么?你承担什么角色?为什么会交给实习生参与?
- 两个系统融合,如何做到平滑融合切换,讲讲关键步骤?
- 链路有没有双跑机制用来做灰度?哪些环节可以双跑?支付环节可以双跑吗?
- 类似国补这种带额度、库存限制的逻辑,双跑会不会造成额度冲突?
- 系统抽象重构之后,哪些点提升了可复用性?
- 差异化逻辑是怎么做的?是全部融合?
- 融合后变成中台化服务,做了哪些可用性保障举措?
- 降级的具体策略是什么?会不会出现校验降级带来业务损失、止损?
- 公共校验模块如何保证吞吐量可以支撑两个行业的业务?
- 针对流量异常增长,服务有没有做限流相关策略?
工程素养与协作
- 实习过程中,有没有自己主动发现问题、推动解决并拿到成果的经历?
- 多团队协作出现低级对齐错误,事后有没有沉淀方法论或者检测机制避免再次发生?
- 为什么需要多个 ES?讲下背景。
- 之前为什么是天级同步?为什么改成发 MQ 的方式?
- 当时 ES 的可用性架构是怎么做的?
- ES 集群本身有哪些可用性保障能力?主分片、副本的同步机制了解吗?
- 本地消息表 + 定时任务,是用来解决什么问题?
AI Coding
- AI coding 题目:提取 POI 情报,讲下你的 AI 对话思路,AI 输出方案是否符合预期、有哪些不足?
- 需求比较宽泛的时候,为什么不直接交给大模型出完整方案?
- 使用 AI coding,讲下你自己的 SOP、skill 工作流。
《参考解析》
断点续跑的设计要点。 把一次长任务拆成「节点 + 边」的图,每个节点执行完就把「节点 ID、输入哈希、输出、状态(成功/失败/待重试)」写进持久化存储(DB 或带持久化的 KV),并把整体进度记成 checkpoint。恢复时从最后一个成功 checkpoint 往后重放,已完成的节点直接读缓存结果、不再调模型。要处理三件事:幂等(同一节点重复执行结果一致,靠输入哈希做去重键)、副作用隔离(发消息、扣款这类外部动作放在节点外层,标记「已提交」后才推进 checkpoint)、以及版本兼容(提示词或工具变了,旧 checkpoint 是否还能续)。面试时补一句「我们用事件流记录每一步、结果是可重放的状态机」,比说「存了个断点」更清楚。
对话隔离与「一次还是两次」。 隔离靠 tenantId + userId + conversationId 三段键,conversationId 在用户新开一轮时生成并随每次请求带上;服务端所有记忆、向量检索、缓存 key 都必须带这个键,避免跨会话串味。「是两次还是一次对话」本质是会话边界判定:显式方案是前端在用户点「新对话」或超时(如 30 分钟无交互)时换 ID;隐式方案是看语义连续性——把上一条用户消息与当前消息做相似度/意图分类,低于阈值判为新会话。生产上通常以显式 ID 为主、隐式判定只用来提示用户「要不要新开一个对话」,不要用模型猜状态。
防「把第二个识别成第一个」。 这是上下文串位问题,三层解决:① 消息显式编号——每条消息带 seq 与 role,拼上下文时按 seq 排、并给模型明确的「第 1 轮/第 2 轮」标记;② 摘要替代原文——长对话用「按会话分段的摘要 + 最近 N 轮原文」,每段摘要带会话 ID,避免两段内容混在同一段文字里;③ 结构化引用——让模型在输出时引用 messageId,服务端校验引用的 ID 是否属于当前会话,越界就丢弃重答。别指望一句「注意不要混淆」的提示词能解决。
幻觉的处理。 分「事前、事中、事后」:事前用 RAG 给事实依据、要求引用来源、把工具返回值作为唯一事实源;事中做校验——结构化输出用 schema 校验、数字/金额/时间做格式与范围检查、关键结论与检索片段做一致性比对;事后做人审或抽样评估,把错例回流成评测集与提示词修正。面向用户的产品还要有「不确定就说不知道」的兜底话术,以及可追溯的证据展示(点了能看原文)。
「用户确认后走模型还是走代码」。 涉及资金、下单、提交这类有副作用的动作,一律走确定性代码:用户确认后由后端校验参数、落库、调用下游接口,模型只负责「把用户意图翻译成结构化参数」,不参与执行。好处是可审计、可幂等、失败可重试,也避免模型在最后一刻改写参数。
binlog 同步 + 对账的不一致来源。 常见六类:① 同步链路丢事件(binlog 过期、位点回退、消费异常没重试);② 乱序(同一行多次变更被并发消费,后到的旧值覆盖新值);③ 重复(至少一次语义,消费端没做幂等);④ 事务边界(一个业务操作跨多表,下游只看到部分);⑤ 字段映射/类型精度(金额精度、时区、枚举);⑥ 上下游的删除语义不一致(硬删 vs 软删)。处理上:消费端按主键 + 版本号/时间戳做「旧值不覆盖新值」,幂等键去重,位点与延迟做监控,对账按「业务主键 + 关键字段」比对而不是整行比对。
MQ 乱序怎么解。 顺序性只能靠「同一业务键落到同一分区/队列 + 单线程消费」来保证:生产端用业务主键(订单号、门店 ID)做分区键,消费端每个分区一个消费线程、串行处理,失败时阻塞该分区而不是跳过,避免后面的消息先提交。代价是热点键会倾斜,所以要选基数足够大的键(比如 门店ID + 业务类型),并监控分区积压的分布。真要全序就只能单分区,吞吐上不去,一般不划算。
分区键粒度太粗怎么办。 先量:看各分区消费速率的 P99 与积压分布,确认是否真的倾斜。缓解手段有:键加盐(key + hash(子维度) % N 拆成 N 个子流,但要注意同一实体的顺序仍需保证,所以只能在「同一实体内部可并行」的维度上加盐)、二级路由(网关按实体把消息投到固定 worker)、或者把重实体单独拆主题。回答时要承认「顺序与并行是取舍」,别声称两者都能拿满。
对账时间窗口与补偿。 窗口由业务容忍度倒推:支付类通常秒级到分钟级,账务类可以 T+1。窗口内允许「暂时不一致」,窗口外必须归零。准实时对账解决不了的场景:跨天批量业务、上游延迟补发、需要人工审核的差异(金额对但明细缺失)、以及「两边都改了但都没错」的口径差异。补偿分自动与人工——自动走「以权威源为准重放/回滚」,人工走差异工单 + 双人复核。核心是每条差异都要有状态(待处理/处理中/已闭环)与超时升级。
MQ 积压时的对账风险。 大量门店同时开通会造成消费延迟,如果对账任务在同一时刻跑,会把「还没消费到」误判成「不一致」,进而触发大量补偿、把下游打爆。规避:对账前先取消费位点与延迟水位,延迟超过阈值就跳过本轮或只对「已确认消费完成」的分区;补偿加限流与合并(同一主键的多条差异合并成一条);监控上加「积压量 + 补偿量」的联动告警,积压高时自动降级为只记录不补偿。
双跑灰度与额度冲突。 双跑适合「读多写少、结果可对比」的环节:查询、计价、风控打分可以双跑并比对差异;写环节(下单、扣款、扣库存)不能真双跑,只能「影子写」——新链路写到影子表/影子账户,不产生真实副作用。带额度或库存的业务更要小心:两边都真实扣减会重复消耗额度。做法是「额度只在一个权威源扣」,另一条链路只做校验与记录,比对结果不一致时以权威源为准并告警。
降级策略的边界。 降级要分级:非核心(推荐、营销、日志)可关;核心校验(风控、限额、库存)不能直接关,只能「降级为异步校验 + 事后拦截」,并且要把降级期间的订单打标,事后补偿性审核。降级必须带自动恢复条件与止损阈值(错误率、资损预估),并明确「谁有权开、开了谁盯」。回答时强调「降级不是关校验,是换一种更便宜的校验」,这句话能区分有没有真正做过。
为什么多个 ES。 通常是按业务域或数据规模拆的:不同业务线字段与查询模式差异大、单集群分片数与会话数有上限、故障隔离与独立扩容的需要。代价是跨集群的联合查询与一致性维护成本上升。要能说出「拆的理由」和「拆完之后怎么解决跨域检索」(应用层聚合、或者宽表冗余)。
天级同步改 MQ 的动机。 天级批量的问题:延迟高(业务当天看不到)、批量窗口对 DB 压力集中、失败重跑成本大。改成 CDC/MQ 后能做到准实时,但引入了乱序、重复、堆积这些新问题,所以同时要补幂等、顺序与监控。答这题的关键是「说清 trade-off,而不是只说新方案更好」。
ES 的可用性。 集群层:至少 3 个 master-eligible 节点避免脑裂、副本数 ≥1、分片分配感知机架/可用区、写入用 wait_for_active_shards、查询加超时与降级;数据层:主分片写完后同步到副本(refresh 控制可见性、translog 保证持久化),主分片故障时由 master 提升副本;应用层:客户端配多个节点、失败重试与熔断,关键查询走缓存。要能讲清「写一致性参数(consistency/wait_for_active_shards)与读一致性(refresh=wait_for)各解决什么问题」。
本地消息表 + 定时任务解决什么。 解决「本地事务与消息发送无法原子」的问题:业务写库与「写一条待发送消息」在同一个本地事务里提交,定时任务扫表把消息投到 MQ,投递成功才标记已发送,失败按退避重试。它保证的是「至少一次投递」,所以消费端必须幂等。相比事务消息(RocketMQ)实现简单、不绑定中间件,代价是有一张表要扫、延迟取决于扫描间隔。
为什么不直接让大模型出完整方案。 需求宽泛时模型会自己补齐假设,产出的方案看起来完整但和真实约束脱节(数据规模、存量系统、合规、成本)。正确姿势是先人工收敛问题:明确目标、边界、验收标准,把大需求拆成可验证的小任务,再让模型在每个小任务上产出候选方案,人做取舍。AI 适合「在明确约束下快速产出多个候选」,不适合「替你决定约束」。
AI Coding 的 SOP。 一段可复述的流程:读需求与存量代码 → 写一页 SPEC(目标、接口、数据结构、边界、验收用例)→ 让模型先出最小可运行版本 → 跑测试/样例 → 按失败项逐个修(一次只改一个点)→ 自查 diff(有没有偷偷改无关文件、有没有吞异常)→ 补测试与注释 → 提交。工具上善用规则文件(项目约定写进 AGENTS.md 之类)、把可复用的流程沉淀成 skill、把「验收标准」写成可执行脚本而不是口头描述。核心心法是「你负责定义正确,模型负责搬砖」。