MiniMax 开发一面:Agent 观测后端设计与回文串统计
- 轮次
- 一面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- 请做自我介绍。
- 介绍项目,重点讲沙箱设计。
- 设计题:如果要做一个 Agent 观测后端,数据库怎么设计字段,怎么保证其空间复杂度和时间复杂度?
- 讲一下为什么 LLM 输出是流式的。
- 手撕题:分割统计所有回文串。
《参考解析》
Agent 观测后端的数据模型:核心实体是任务(session/task)、步骤(step)、模型调用、工具调用与产物。任务表存目标、状态、起止时间、成本汇总;步骤表存序号、类型、父子关系、开始与结束时间、状态;模型调用表存模型名、输入输出 token、缓存命中、首字延迟与总耗时、请求参数摘要;工具调用表存工具名、参数、结果摘要、错误码与重试次数;产物表存文件路径或对象存储键。所有表按任务 id 建索引,时间字段建联合索引以支持按时间范围扫描。
空间与时间的控制:原始 prompt 与响应体积大,不应整段入库。做法是热数据保留近期原文、冷数据只留摘要与对象存储引用,并按保留策略定期归档或删除;轨迹按任务聚簇存储,避免跨任务随机读。查询侧预聚合常用指标(成功率、平均步数、P95 延迟、成本),避免每次扫描明细;对高频维度建索引或物化视图。写入侧批量提交、异步落库,避免观测本身拖慢主链路。
为什么 LLM 输出是流式的:一是感知延迟,首字出来即可阅读,用户不必等到全部生成完;二是生成本身是自回归的,逐 token 产生,天然可以边生成边下发;三是长回答的传输与内存占用更平滑,连接不必长时间静默(很多网关会掐断无字节流动的长连接)。工程上要处理分片边界、增量解析与断线重连,并保证前端拼接的顺序与完整性。
统计所有回文子串:需要区分「回文子串的个数」与「分割方案」。若是计数所有回文子串,用中心扩展法:以每个字符和每对相邻字符为中心向两侧扩展,相等就计数,时间 O(n²)、空间 O(1);数据量大时用 Manacher 做到 O(n)。若是「把字符串分割成若干回文串的所有方案」,则用回溯加动态规划预处理回文判定:先以 O(n²) 求出 dp[i][j] 表示子串是否为回文,再从起点深搜,每步枚举回文前缀,收集路径。面试时要先确认题目问的是哪一种,再动手。