面灵AI→

美团业务后台一面:Agent 嵌入流程的边界、Doublewrite 与 AI Coding 实操

轮次
一面
时间
2026-11
来源
牛客网

《面试题目》

  1. 目前还在实习吗?你在京东做的是哪个领域的 Agent?
  2. 介绍一下项目背景。这个 Agent 是独立应用,还是嵌入已有流程?
  3. 规则性判断如何实现?
  4. 整个工作流耗时怎么样?为什么 LLM 节点比较慢?
  5. Summary 是实时生成,还是会保存?如何展示给前端?
  6. 是否使用了 Agent Loop?为什么没有使用?
  7. 项目中遇到过哪些问题?你如何解决幻觉、漏判和字段错误?
  8. 你从这些问题中获得了哪些能力提升?
  9. 你了解的 DeepSeek harness 插件化机制是什么?
  10. 插件之间存在依赖时,如何保证可插拔?
  11. Codex 正在执行时,用户又补充信息,底层会怎么处理?
  12. Agent Loop 中有哪些概念?
  13. 介绍一下你的个人博客项目。为什么使用 Redis?为什么使用 RabbitMQ?项目如何部署?MySQL 是放在应用镜像里吗?
  14. 布隆过滤器的原理?
  15. Redis ZSet 的底层原理?
  16. 三个线程如何按顺序循环打印 ABC?
  17. MySQL Doublewrite Buffer 是什么?
  18. AI Coding:用 AI 实现一个「缓存热点数据一致性验证」的模拟程序(不需要真的连 Redis 集群)。
  19. 如何澄清一个描述模糊的 Coding 需求?如何控制 AI 先生成最小可运行版本,而不是输出过长计划?
  20. 如何与业务、产品或其他团队实现共赢?业务要求硬指标,但排期不足怎么办?
  21. 目前是否有其他 offer?地点倾向是什么?
  22. 反问环节。

《参考解析》

Agent 嵌入流程还是独立应用:嵌入已有流程意味着 Agent 只是流程中的一个节点,输入输出要与上下游系统的数据结构对齐,失败要能回退到人工;独立应用则要自己承担入口、权限、状态管理与结果展示。回答时说明选择理由:嵌入式的优势是复用既有业务规则与数据、用户无迁移成本,代价是与主流程耦合、迭代受发布节奏约束。

规则与大模型的边界:确定性判断(金额阈值、字段必填、状态机流转、黑名单)交给规则,模糊判断(语义归类、摘要生成、异常描述理解)交给模型。边界要写清楚:模型只输出候选与理由,规则做最终裁决;模型输出必须带证据字段,便于回溯。

LLM 节点为什么慢:生成是自回归的,逐 token 输出,耗时与输出长度线性相关;输入越长首字延迟越高;工具调用会引入额外往返;并发高时受上游限流与排队影响。优化方向是缩短输出(结构化字段代替长文本)、并行化互不依赖的调用、缓存稳定的前缀、把非必要步骤移出主链路。

Summary 是否落库:实时生成适合一次展示、不需要回溯的场景;落库适合需要审计、复查、被下游引用的场景。落库要存「输入摘要 + 模型版本 + 提示词版本 + 生成时间」,否则出问题无法复现。

Agent Loop 的核心概念:目标与终止条件、观察(工具返回与环境状态)、决策(下一步动作)、动作执行、状态与记忆、错误处理与重试上限。没有采用 Loop 通常是因为任务路径固定,用 Workflow 更可控、成本更低。

插件化与依赖:插件化的目标是「新增能力不改主流程」。实现上定义统一的接口(输入、输出、生命周期钩子),由注册表管理;依赖关系用声明式依赖加拓扑排序加载,缺失依赖时降级或报错而不是静默跳过。可插拔的关键是插件之间只通过接口通信,不共享内部状态。

Codex 执行中插入新消息:这类 Agent 通常把用户消息追加到对话历史,在当前工具调用返回后由下一轮模型调用读取;若正在流式生成,则要么打断当前生成并重新规划,要么排队到本轮结束后处理。设计上要区分「补充信息」与「改变目标」,后者需要显式中断并确认。

三线程循环打印 ABC:用一把锁加三个条件变量,每个线程等待自己的轮次,打印后修改轮次并 signalAll;或用三个信号量按 A→B→C→A 的顺序互相 release。要点是「谁在什么条件下等待、打印后唤醒谁」,写代码时把轮次状态放在共享变量里并保证在锁内修改。

Doublewrite Buffer:InnoDB 刷脏页前先把页写到双写缓冲(内存中的一块区域,顺序写到共享表空间的连续区域),再写到数据文件的实际位置。若写入过程中断电导致页损坏,重启时可以从双写区恢复完整页。它解决的是「部分写(partial write)」问题,代价是额外的写放大,可以通过参数关闭但会降低崩溃安全性。

AI Coding 的实操方法:面对「缓存热点数据一致性验证」这种模糊需求,先澄清四件事:验证什么(一致性窗口、最终一致时间)、数据规模与并发、允许的误差、验收方式。然后让 AI 先产出最小可运行版本(单线程模拟读写 + 断言),跑通后再逐步加并发、加故障注入。控制输出过长的方法是把任务拆成小步、每步给明确的输入输出与验收条件,而不是一次性要求「设计完整系统」。

排期不足怎么答:先拆解硬指标对应的最小交付范围,明确「必须做」与「可以后置」;用数据说明现有排期下的风险与取舍,让业务方参与决策;给出分期方案与时间点,而不是直接拒绝或默默加班。