面灵AI→

上海 AI Agent 初创一面:从零设计一个生图系统的数据表与状态机

轮次
一面
时间
2026-10
来源
牛客网

《面试题目》

  1. 你之前主要负责什么方向的开发?在开发后端项目之前,一般如何设计数据结构?
  2. 如果设计一个 AI 图片生成系统,需要哪些数据表?各表应包含哪些关键字段?
  3. 如果涉及用户积分的扣除与退还,需要如何设计相关数据表?
  4. 图片生成任务表中的一条记录代表什么?除了图片信息还需要记录哪些字段?
  5. 对于耗时较长的异步生图任务,后端应该如何设计?客户端如何获取任务结果?
  6. 客户端展示 Loading 动画时,底层实际上在做什么?
  7. 轮询、SSE 和 WebSocket 有什么区别?在 AI 生图场景下哪种更合适?
  8. 图片生成任务应该设计哪些状态?
  9. 如果生图失败需要退还积分,如何保证积分扣除、任务执行和积分退还的一致性?
  10. 如果使用数据库事务处理耗时较长的生图流程,可能会存在哪些问题?
  11. 你研究过相关的 AI Agent 技术或项目吗?你认为它的主要优势是什么?

《参考解析》

表设计:user(余额、版本号)、generation_task(id、user_id、prompt、负向提示、模型、尺寸、状态、积分单价、扣费流水号、结果图 URL、错误码、创建/开始/结束时间、重试次数)、credit_ledger(流水表,每笔扣/退一条,含 task_id、金额、类型、幂等键)、asset(图片元数据与存储 key)、model_config(模型、单价、限流)。关键不是表多,而是「余额是派生值、流水是真源」——余额可由流水求和重建,这样对账永远有依据。

积分一致性:三阶段。提交时在一个本地事务里「写 task(状态 pending)+ 写扣费流水 + 扣余额(UPDATE ... SET balance = balance - ? WHERE balance >= ?,用条件更新防超扣)」,三步同库同事务,天然原子。执行由异步 worker 领任务,状态改 running。结束分两支:成功则写结果、状态 succeeded;失败则在一个事务里「写退款流水 + 加余额 + 状态 failed」,退款用 task_id + 'refund' 作唯一键保证只退一次。任务超时(worker 挂了)由巡检扫描 running 超时记录,按失败处理并退款。整体是「本地事务 + 状态机 + 幂等键 + 补偿扫描」,不需要分布式事务。

异步任务与结果获取:提交接口立刻返回 task_id,重活丢进队列(Redis Stream / MQ),worker 拉取调用模型、上传对象存储、回写状态。客户端通过「订阅 + 兜底轮询」拿结果:在线用 SSE 订阅该 task 的事件流,断线重连后先用一次 HTTP 查询兜底,避免丢事件。负载大时把状态放 Redis(带 TTL)扛读,DB 只做持久化。

轮询 vs SSE vs WebSocket:轮询实现最简单、兼容性好,但实时性差、请求浪费;SSE 单向、走普通 HTTP、自动重连、天然适配「服务端推结果」这种场景;WebSocket 双向、开销低,但要自己处理心跳、重连、网关超时。生图是一次请求、一次性结果,SSE 最合适;如果客户端还要中途取消、改参数,就上 WebSocket。答的时候补一句「网关/CDN 的 60 秒空闲断连」是实际踩过的坑,很加分。

长事务的问题:一是占着连接与锁,行锁/间隙锁持有时间变长,容易把并发压死;二是 undo 膨胀、MVCC 版本链变长,影响其他事务的快照读;三是超时回滚后业务状态不明;四是与外部调用(第三方模型 API)混在事务里,网络抖动直接拖垮连接池。所以要把外部调用移出事务,事务只包住 DB 的几次写,长流程用状态机推进。

任务状态:pending → queued → running → succeeded / failed,外加 canceled、timeout。状态迁移要单向、有审计(每次迁移记一条),并提供「已扣费未出图」的中间态查询,用户看到的是「生成中」而不是空白。