宁波欧达光电信息管培生面经:AI 降本、冷热分层与状态机设计
- 时间
- 2026-10
- 来源
- 牛客网
《面试题目》
项目架构相关(基于 AI 面试系统)
- 怎么解决 AI 接口调用成本高的问题?具体怎么实现?
- Redis 分布式锁在这个场景里怎么用?怎么保证相同语义请求只执行一次?
- 为什么选 Redis 存运行态数据、MongoDB 存冷快照?
- 懒加载恢复上下文具体怎么做?冷热数据分层策略是怎么设计的?
- 固定分块和语义分块你怎么选?为什么?
- 混合检索怎么实现?多路召回后怎么做重排?
- 多线程同时写 MongoDB 怎么防止冲突?
- MQ 异步消费怎么保证幂等?异常情况下答题轮次怎么恢复?
技术原理考察
- Redis 和 MongoDB 有什么区别?
- MongoDB 是不是关系型数据库?它和 Redis 在存储介质、查询能力上的本质区别是什么?
- 数据库层面怎么实现负载均衡?
- 应用层怎么做流量分发?Nacos 和 Spring Cloud LoadBalancer 怎么配合?
- Nginx 的健康检查和节点剔除你了解吗?
系统稳定性与容错
- WebSocket 连接中断会导致什么问题?怎么用状态机防止状态跳跃?
- 流程推进的限制(比如必须先答题才能评分)怎么落地?
- MQ 消费失败了怎么办?重试机制怎么设计?
- 连续失败的情况下应该怎么做?什么时候该停止重试转人工?
- 怎么做到不修改主链路代码就能替换底层 Agent?
- 枚举类和配置类在这个场景里怎么用?
《参考解析》
AI 调用降本:先量化再优化——按任务统计调用次数、token 用量、渠道单价,找出大头。手段分四类:① 减少调用:请求去重(SingleFlight)、结果缓存、规则能解决的不用模型、批量合并;② 降低单次成本:按任务选小模型、限制最大输出、压缩提示词与上下文、用前缀缓存;③ 提升成功率:结构化输出、重试与降级,减少「失败后重复调用」;④ 运营层:配额、限流、按用户分层。每个手段都要有指标验证,不能只说「加了缓存」。
Redis 锁与语义去重:SET key value NX PX ttl 抢锁,value 用唯一请求 ID,释放时用 Lua 比对 value 再删,避免误删别人的锁。语义去重不是「同一个请求 ID」,而是「同一份输入」:把模型、提示词版本、用户输入、检索结果等归一化后做哈希,作为去重键;抢到锁的请求执行并把结果写入 result:hash,没抢到的轮询或订阅结果。要处理锁过期与执行超时,结果 key 设 TTL;跨用户复用要确认输入不含私有数据。
Redis 运行态 + MongoDB 冷快照:运行态是高频读写、可丢可重建的(当前题目、临时状态、最近消息),放 Redis 延迟低、能设 TTL;冷快照是低频写、需要长期保留和恢复的(完整会话、评分记录),放 MongoDB 文档模型合适、按会话查询方便。分层策略是「热数据最近 N 分钟/N 条留 Redis,超过阈值或会话结束时落 MongoDB」,读的时候先 Redis,未命中再按 sessionId 从 MongoDB 懒加载,加载后回填 Redis。
懒加载恢复:会话恢复时先拿「元数据 + 最后确认序号」,只加载最近若干条消息进上下文;更早的消息不一次性拉全,而是按需检索(用户追问某题时再查)。冷热分层按「访问频率 + 时间」:活跃会话全量在 Redis,休眠会话只留索引,过期后归档到对象存储。恢复要带版本号,防止用旧快照覆盖新状态。
固定分块与语义分块:固定分块简单、可预测、边界稳定,适合结构规整的文档(手册、条款);缺点是会把一句话或一个论点切断。语义分块按段落、标题、句子边界切,检索时语义更完整,但实现复杂、块大小不均、可能切得过碎。实践上默认按结构(标题、段落)切,再对超长段落做滑动窗口 + 重叠;用评测集(召回率、答案命中率)决定块大小,不要凭感觉。
混合检索与重排:向量检索负责语义相似,关键词检索(BM25)负责精确匹配(型号、专有名词),两路召回后合并去重,再重排。重排可以用 cross-encoder 模型对「query + 候选」逐对打分,取 top-k;也可以用 RRF(倒数排名融合)做无模型的融合。要加元数据过滤(岗位、公司、时间)先缩小范围,避免向量空间里的噪声。
并发写 MongoDB 防冲突:用乐观锁——文档带 version,更新时 updateOne({_id, version}, {$set: {...}, $inc: {version: 1}}),匹配不到就重试或放弃;对同一会话的写用「单写者」模型(按 sessionId 路由到同一个消费者/线程),从源头避免并发;必要时用分布式锁,但锁的粒度要细、要有超时。
MQ 幂等与轮次恢复:消费幂等靠「业务唯一键 + 去重表/Redis SETNX」:消息带 messageId 与业务键(sessionId + round + action),处理前先抢占,处理完记录结果;重复消息直接返回已有结果。答题轮次恢复靠「状态机 + 事件溯源」:每次状态变更写一条事件(含轮次、版本),异常后按事件重放到最后一致的状态;消费失败进入重试队列,超过次数进死信队列并告警。
Redis 与 MongoDB:Redis 是内存键值库,主打低延迟、丰富数据结构、TTL、原子操作,适合缓存、锁、计数、队列;MongoDB 是文档数据库,数据落盘、支持二级索引、聚合查询、副本集与分片,适合持久化半结构化数据。MongoDB 不是关系型数据库(虽然支持多文档事务),它没有固定表结构与 join 优先的查询模型。
存储介质与查询能力的本质区别:Redis 以内存为主(可持久化但本质是内存数据库),查询是「按 key 取结构」,复杂查询要在应用层做;MongoDB 以磁盘为主、内存做缓存,支持按字段索引、范围查询、聚合管道,查询能力强得多。选型看「要的是速度还是查询与持久化」。
数据库负载均衡:常见是主从复制 + 读写分离(写主库、读从库),配合代理层(ProxySQL、MyCat、ShardingSphere)做路由与负载均衡;多主或分片按分片键路由;连接池层做连接复用与故障转移。要处理主从延迟(强一致读走主库)和故障切换。
应用层流量分发:Nacos 做注册中心,服务实例注册后,客户端从 Nacos 拉取实例列表,Spring Cloud LoadBalancer 按策略(轮询、随机、权重、同机房优先)选择实例;配合 OpenFeign 或 RestTemplate 发起调用。Nacos 还负责配置管理与健康检查,实例下线后客户端刷新列表。要提「重试与熔断」:失败换实例重试,连续失败熔断。
Nginx 健康检查与剔除:开源版 Nginx 的被动健康检查是 max_fails + fail_timeout,连续失败达到次数后在时间段内不再转发;主动健康检查需要 nginx-upsync-module 或商业版/OpenResty 的 healthcheck。剔除后要有恢复机制,避免节点刚恢复就被打满。
WebSocket 断连与状态机:断连会导致消息丢失、状态不同步、重复提交、用户看到「卡住」。状态机把会话定义成「初始化 → 进行中 → 暂停/重连 → 评分中 → 完成/失败」等状态,每个事件(用户答题、ASR 结果、评分返回、断线、重连)只在合法状态下才被接受,非法转移直接拒绝并记录。防止状态跳跃的关键是「服务端为准 + 版本号」:客户端带最后看到的版本,服务端发现落后就下发当前状态,而不是让客户端自己猜。
流程限制怎么落地:用状态机 + 守卫条件(guard):评分事件只有在「当前题已提交且转写完成」时才允许;数据库层加约束(唯一键、状态字段),服务层做校验,前端只做提示。不要只靠前端禁用按钮。
MQ 重试与转人工:失败分「可重试」(网络、下游 5xx、锁冲突)与「不可重试」(参数错误、数据不存在)。可重试用延迟队列做指数退避,设置最大次数;超过次数进死信队列,记录原因并告警。转人工的判据是「重试耗尽 + 业务影响大 + 自动修复不可行」,比如评分连续失败、订单状态不一致;转人工要带上下文(消息 ID、会话、错误栈),否则人工也难处理。
Agent 热插拔:面向接口编程——定义 Agent 接口(execute(context)),不同实现(不同模型/不同编排)作为 Bean 注册;用配置(Nacos 配置中心或数据库)决定当前启用哪个实现,运行时按 key 路由。新增实现不改主链路,只加一个类 + 一条配置。要注意切换的灰度与回滚,以及不同实现的上下文契约一致。
枚举与配置类:枚举定义稳定的类型(Agent 类型、状态、错误码),避免魔法字符串;配置类承载可变的参数(启用的 Agent、模型名、超时、开关),从配置中心热更新。两者分工是「枚举管不变的分类,配置管可变的策略」,配合策略模式/工厂根据枚举 + 配置选择实现。