面灵AI→

小红书 PE 二面:Agent 项目、缓存一致性与手撕接雨水

轮次
二面
时间
2026-11
来源
牛客网

《面试题目》

  1. 拷打做的 Agent 项目:业务实现前后的效果对比、记忆和沙箱方面(约 20 分钟)。
  2. 本地缓存、Redis 以及数据库之间的一致性怎么实现?
  3. 这种一致性怎么权衡,举一些具体业务例子。
  4. 实习过程中你们的分工是怎么分的?
  5. 讲一下 KV Cache 的原理。
  6. 你怎么看待下一步 Agent 的发展?
  7. 你对我们这个岗位的理解有哪些?
  8. 实现一个哈希表,按 key 插入顺序进行迭代,如何实现?
  9. 手撕:接雨水。

《参考解析》

Agent 项目的效果对比:业务效果要能给出前后对照:任务完成率、平均步数、人工介入率、单任务成本与延迟,最好说明测试集怎么构造、评测是否人工复核。记忆部分讲清存什么、何时写入、如何召回与过期;沙箱部分讲清隔离级别、哪些操作被限制、越权时如何拒绝并回传原因。

三级缓存的一致性:常见组合是本地缓存(进程内,最快但多实例间不一致)、Redis(集中式,跨实例一致但有网络开销)、数据库(权威源)。保证一致性的手段包括:更新时先写数据库再删缓存(Cache Aside),删除失败则重试或投递消息补偿;用消息队列或 binlog 订阅做缓存失效广播,让各实例的本地缓存被动过期;给缓存设置较短的 TTL 作为兜底;对强一致要求的场景用分布式锁或直接读主库。要明确系统接受的是最终一致还是强一致。

权衡与业务例子:商品详情、用户资料这类读多写少、短暂不一致可接受的场景,用短 TTL 加删除广播即可;库存、余额这类不能超卖的场景,缓存只做读加速,扣减必须以数据库或 Redis 原子操作为准,必要时加锁或使用 Lua 脚本;配置类数据可以接受秒级延迟,用版本号轮询更简单。

KV Cache 原理:自回归生成时,每一层的注意力需要历史 token 的 Key 与 Value。若每生成一个 token 都重新计算全部历史,计算量随序列长度平方增长。KV Cache 把已计算的 K、V 按层缓存起来,生成新 token 时只计算当前 token 的 K、V 并追加,注意力只对缓存做查询,把每步复杂度从随长度增长降为与长度线性相关。代价是显存占用随序列长度与层数线性增长,因此有分页管理(PagedAttention)、量化与淘汰策略。前缀相同可复用缓存,这也是提示词把稳定内容放前缀的原因。

Agent 的发展判断:可以从能力与工程两条线讲。能力上长程任务、工具使用与多模态在提升;工程上瓶颈在可靠性、成本与可观测性——如何评估成功率、如何控制上下文与调用成本、如何让失败可恢复。产品形态上会更像「带审批的自动化流程」,而不是完全放手的自治体。

对 PE 岗的理解:平台工程是把重复的工程问题做成内部产品:构建与发布、环境与配置、可观测性、权限与审计。核心指标是研发效率与线上稳定性,工作方式更接近产品经理加基础设施工程师,需要理解业务方的真实痛点。

按插入顺序迭代的哈希表:在哈希表基础上维护一条双向链表,节点同时挂在桶与链表上;插入新 key 时追加到链表尾部,更新已有 key 不改变位置;迭代时沿链表顺序输出。删除时同时从桶与链表摘除。这样查找仍是平均 O(1),迭代顺序为插入顺序,代价是每个节点多两个指针。若要支持并发,按桶分段加锁,链表操作需要独立锁或改用并发安全结构。Java 的 LinkedHashMap 就是这一思路。

接雨水:双指针法最简洁。左右指针从两端向中间移动,维护左侧最大值 leftMax 与右侧最大值 rightMax;每次移动较矮的一侧,该位置能接的水为对应最大值减当前高度,累加后更新最大值。时间 O(n),空间 O(1)。另一种是单调栈,按行计算积水,适合解释「凹槽」的形成;还有前后缀最大值数组的解法,时间 O(n)、空间 O(n),便于理解但不最优。