小米 AI 全栈一面:Redis 幂等、Agent 停止条件与线程池参数
- 轮次
- 一面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- Redis 做幂等,key 的过期时间怎么设?如果消息还没处理完 key 就过期了,会怎样?为什么你是先删 key 再处理业务?这两个方案(处理完比对 value 再删 / 不删让 TTL 自然过期)各自的问题是什么?
- Agent 怎么判断分析完成了、然后停下来?模型不输出终止信号怎么办?最大轮次到了但事情没做完,返回给用户什么?用户怎么知道这是没做完的?
- 线程池的核心线程满了、队列满了、最大线程也满了,再来任务会怎样?默认拒绝策略是什么?如果队列是无界的呢?参数该怎么配?IO 密集型任务的线程数大多少,有依据吗?
- 上下文压缩之后,你怎么评估关键信息没丢?答案对就说明没丢吗?如果答案对但依据是错的呢?
- 自我介绍。
- 你们组那个 Skill 是什么,和 workflow 有什么区别?
- 为什么把 workflow 改成 Skill?
- workflow 的缺点具体是什么?
- Skill 的边界怎么定,什么该进 Skill、什么该留在代码里?
- 怎么判断一个 Skill 写得好不好?
- Skill 里模型不按文档走,怎么保证?
- 高合规场景下模型越权怎么兜?
- 你们怎么自测 Skill?
- 离线评测的成本怎么降?
- 评测集多少条,覆盖哪些意图?
- 多 Agent 之间上下文怎么隔离?
- 一个 Agent 调用另一个 Agent,返回值格式怎么定?
- MQ 延迟消息有几种实现,你们用哪种?
- 消费失败重试几次?超过次数进死信还是丢弃?
- 核心业务和普通业务的重试策略有什么区别?
- 指数退避的基数取多少?为什么要有抖动?
- 消息丢失可能发生在哪几个环节?生产者确认和消费者确认分别解决什么?
- 你们系统里 QPS 最高的接口是多少,怎么扛的?
- 如果让你重做这个项目,你会删掉哪一部分?
- 手撕:实现一个重试器,传入一个可能失败的函数,按指数退避重试,最多 N 次,要求带随机抖动,且同一个业务键的重试必须幂等。
《参考解析》
Redis 幂等的正确姿势是先想清「幂等窗口」有多长。 用 SET key value NX EX ttl 抢占,处理完成后删除 key,这套写法的漏洞在删除时机:如果处理耗时超过 TTL,锁已过期,第二个请求会重新拿到锁并重复执行。两个方向各有代价——处理完比对 value 再用 Lua 删除,能避免误删别人的锁,但依赖 TTL 估算大于最大处理时间;不删除、让 TTL 自然过期,则窗口由 TTL 决定,代价是残留 key 占用内存、且真实业务窗口被拉长。工程上更稳妥的是把幂等记录落到数据库唯一约束或状态机(同一业务单号只允许一次状态跃迁),Redis 只做加速;删除动作本身不应成为幂等语义的组成部分。
Agent 的停止条件要当成一套降级策略,而不是一个 if。 至少四层:模型给出终止信号(stop token 或结构化 finished 字段);状态机判定目标条件已满足(必需字段齐全、工具调用成功);预算耗尽(最大轮次、token、时间);外部强制中断(用户取消、超时)。关键在输出语义:每一层停止都要映射到明确的结果状态,例如「已完成」「部分完成(缺哪些信息)」「未能完成(原因)」,不能让预算耗尽伪装成正常结束。前端要能展示「未完成」并给出继续或补充信息的入口,否则用户会把半成品当结论。
线程池参数要由下游容量反推。 队列无界时最大线程数永远用不上,任务会一直排队直至内存或超时;队列有界加拒绝策略才能形成背压。线程数估算的经典公式是 线程数 ≈ QPS × 平均 RT(含等待),CPU 密集型约为核数 + 1,IO 密集型按等待时间与计算时间之比放大,例如 RT 中 90% 在等下游,线程数可以到核数的数倍。真正的约束是下游能承受的并发:数据库连接数、下游服务的连接池与限流阈值。回答时把「参数怎么算」和「上限由谁决定」分开讲,才算完整。
上下文压缩的评估要分层,不能只看最终答案。 事实类信息可以用抽取式比对(压缩前后的实体、数值、时间、约束条件是否保留);指令类信息用规则或断言校验(必须遵守的格式、禁止的动作);推理类只能看结果,但要额外标注依据链是否完整——即答案引用的证据是否仍在上下文中。更实用的做法是构造「只有压缩后上下文才能答对」的探针问题集,逐条回归;同时保留原始上下文做对照实验,观察加入干扰后错误率的变化。
Skill 与 workflow 的分界可以按「谁决定下一步」来划。 workflow 把步骤写死在代码里,可预测、可测试,但遇到分支多的场景会膨胀成状态机;Skill 把流程写成模型可读的文档,由模型决定何时调用哪一步,灵活但不确定。合理的边界是:确定性逻辑(鉴权、参数校验、状态流转、幂等)留在代码里,判断性逻辑(要不要查资料、查哪个源、如何组织答案)交给 Skill。判断一个 Skill 写得好不好,看三件事:模型能否在没看示例的情况下选对工具、失败时是否有明确的回退路径、以及是否有可回归的评测集。
手撕重试器的三个坑正好对应三条要求。 抖动要加在退避区间上(sleep = random(0, base × 2^n) 或 base × 2^n × (1 + random())),加在固定值上等于没加;只对可重试错误重试(网络超时、5xx、限流),参数校验失败、业务拒绝不重试;幂等键必须在首次调用时生成并在整个重试链中复用,每次重新生成等于没有幂等。此外要有总时长上限与并发上限,否则下游故障时重试会把流量放大数倍——作者复盘时压测发现下游 500 时重试量放大四倍,正是缺了这两条。