百度后端二面：故障诊断 Skill 与效果评估

《面试题目》

1. 故障诊断项目的使用场景、原有基础和个人负责范围是什么？
2. 为什么把诊断逻辑封装为 Skill，而不是确定性的服务？
3. 已有固定工作流时，改成 Skill 解决了什么问题？
4. 模型变化或重复执行产生差异时，怎样保证稳定性和处理失败？
5. 如何衡量诊断成功率、失败率和耗时？
6. 提速约三分之一具体减少了哪些步骤，取消中间规划或派发是否影响质量？
7. 怎样优化模型调用次数和 Token 用量？
8. 视频分析项目处理人脸识别还是行为识别？
9. Java 线程池的工作流程是什么，大小如何设置？
10. MySQL 中常见的索引利用问题有哪些？

《参考解析》

效果评估

先固定一组故障样本和成功判据，让旧流程、新流程处理相同输入，再比较成功率、耗时分布和成本。取消一个步骤之后，既看提速，也看哪些故障类型更容易失败。原帖中的提速幅度属于候选人项目的追问，不能把它当成所有 Skill 方案都有的收益。

模型与确定性逻辑的分工

日志拉取、权限检查、参数校验和执行记录适合由确定性组件处理；症状解释、假设形成和诊断路径选择可以交给模型。工具权限和任务停止条件应在执行侧落实，不能只在提示词里要求模型自觉遵守。

线程池规模

先测单任务 CPU 时间和等待时间，再对照下游连接数与超时预算做压力验证。有界队列和拒绝策略要一并说明，只调大线程数可能把排队压力转移到数据库。