途虎养车全栈业务面:RAG 知识库、索引错误与 Node.js 事件循环
- 轮次
- 业务面
- 时间
- 2026-10
- 来源
- 牛客网
《面试题目》
- 自我介绍。
- AI 相关的知识库是怎么搭建的?
- 错误信息怎么处理?索引出错会怎么样?
- 业务项目的性能优化与成功率是怎么做的?
- 自研的算法解决了什么问题?为什么不用现成方案?
- 如果排序的间隔足够大,不也能解决插入排序的问题吗?为什么不用?
- Node.js 的事件循环是怎样的?
- 你的后端学习路径是什么?最近掌握的一个技术栈是怎么学的?
- 大学期间的经历与比赛有哪些?
- 反问:公司业务、校招分组、全栈匹配度与成长建议。
《参考解析》
RAG 知识库搭建:一条完整链路是“采集 → 解析 → 清洗 → 切分 → 向量化 → 入库 → 检索 → 重排 → 组装上下文 → 生成 → 评测”。切分要按文档结构(标题、段落、表格)而不是固定字数硬切,块大小和 overlap 要拿评测集调;检索通常用向量加 BM25 的混合召回,再加重排模型压 top-k;每条 chunk 带来源、版本、权限等元数据,回答时附引用,方便溯源。知识库要支持增量更新与删除,文档更新后旧向量必须失效,否则会答出过期内容。评测上分别看召回率、上下文相关性、答案忠实度和端到端任务成功率,不能只看最终回答“像不像”。
错误处理与索引:AI 链路的错误要分层:文档解析失败、切分后为空、嵌入接口超时、向量库写入失败、检索无结果、模型调用失败、输出格式不合法。每层都要有明确的重试策略、降级路径和可观测日志;写入用幂等键(文档 ID + 内容哈希)避免重复,失败进入重试队列或死信队列。索引出错通常表现为检索报错、召回为空或结果错乱:先确认索引 mapping 与写入字段类型是否一致,再看分片健康状态、别名是否指向正确索引,最后检查查询语句。重建索引要用别名切换,避免线上读写中断。
性能优化与成功率:先量化再优化。接口层看 P95/P99、错误率、超时率;依赖层看下游耗时与连接池;模型层看首 token 延迟、总耗时、token 数。常见手段:缓存(热点问答、嵌入结果、检索结果)、并发化(多路检索并行、模型流式返回)、批处理(离线嵌入)、超时与熔断、请求合并、异步化非关键路径。成功率要拆开看:是网络失败、限流、模型拒答还是业务校验失败,不同原因对应不同治理。
排序间隔与插入排序:如果数据一开始就按很大的间隔插入,确实能减少频繁搬移,但间隔留得越大,后续查找和范围查询越依赖额外的比较逻辑,极端情况下退化成链表;而且间隔用完后仍要扩容和重排,维护成本高。插入排序适合小规模或基本有序的数据,时间复杂度 O(n²),数据量大时应该用归并/快排或数据库索引。面试官问这句通常是在考“为什么不用一个看似取巧的方案”,要答出适用边界和 worst case。
Node.js 事件循环:Node 基于 libuv,事件循环分 phases:timers(setTimeout/setInterval)、pending callbacks、idle/prepare、poll(I/O 回调)、check(setImmediate)、close callbacks;每个 phase 之间会清空 nextTick 队列和 Promise 微任务队列。process.nextTick 优先级高于 Promise,递归 nextTick 会饿死 I/O。CPU 密集型任务会阻塞事件循环,应该拆成小任务、用 worker_threads 或放到独立服务。理解这些才能解释“为什么 setTimeout 0 和 setImmediate 的顺序不固定”以及“为什么大文件读写要用流”。
学习路径:不要只报课程名。可以按“语言基础 → 框架与工程化 → 数据库与缓存 → 分布式与中间件 → 线上排障”讲,每层配一个可演示的项目或线上问题。最近学的技术栈要能讲清选型理由、踩过的坑和验证方式,比如学 Node.js 就讲事件循环、流、集群与压测,而不是只背 API。