面灵AI→

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

  1. 先做一下自我介绍。
  2. 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。
  3. Agent 里面断点续跑具体是怎么做的?
  4. 这个对话的隔离机制是什么样的?
  5. 怎么识别是两次对话还是一次对话?
  6. 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?
  7. 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?
  8. 大模型幻觉输出错误信息,你们怎么处理?
  9. 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

  1. 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

  1. 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?
  2. 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?
  3. MQ 消息乱序导致数据同步不一致,一般怎么解决?
  4. 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?
  5. 如果业务变多,分区键粒度会不会太粗?
  6. 做对账之前,你们预期的一致性时间窗口是多少?
  7. 哪些场景下准实时对账窗口解决不掉问题?
  8. 检测到数据不一致,具体怎么补偿?
  9. 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

  1. 链路重构对业务的提升是怎么实现的?
  2. 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?
  3. 两个系统融合,如何做到平滑融合切换,讲讲关键步骤?
  4. 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?
  5. 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?
  6. 系统抽象重构之后,哪些点提升了可复用性?
  7. 差异化逻辑是怎么做的?是全部融合?
  8. 融合后变成中台化服务,做了哪些可用性保障举措?
  9. 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?
  10. 公共校验模块如何保证吞吐量可以支撑两个行业的业务?
  11. 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

  1. 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?
  2. 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?
  3. 为什么需要多个 ES?讲下背景。
  4. 之前为什么是天级同步?为什么改成发 MQ 的方式?
  5. 当时 ES 的可用性架构是怎么做的?
  6. 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?
  7. 本地消息表 + 定时任务,是用来解决什么问题?

AI Coding

  1. 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?
  2. 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?
  3. 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」。