面灵AI→

得物 AI 应用 / Java 后端一面:本体化 Action、AI 编程流程与点赞事件乱序

轮次
一面
时间
2026-11
来源
牛客网

《面试题目》

自我介绍与项目背景

  1. 做一下自我介绍,讲主要实习和项目经历。
  2. 京东项目属于什么系统,主要解决什么问题?
  3. 选一个自己参与的 Action,从业务入口到领域层、执行和入库,讲完整链路。
  4. 其中自己负责哪些部分,有什么亮点?

本体对象、Action 与调用链路

  1. 为什么需要领域对象和本体化,原有接口有什么不足?
  2. Action 怎样声明输入、输出和底层 HTTP、JSF 调用映射?
  3. 这套 Action 和 MCP 工具是不是差不多,有什么区别?
  4. 是否像工具市场一样,发布后其他人可以直接安装使用?
  5. 当前 Action 的权限怎样控制?
  6. 其他人员或团队接入时,如何限制敏感信息、拒绝无权调用?
  7. 当前使用情况和并发量怎样?
  8. 设计阶段有没有明确性能指标要求?

AI 编程:真实研发流程与减少交互轮次

  1. 京东实际使用什么 AI 工具或框架,研发流程是什么?
  2. 举一个需求,说明怎样与 AI 交互、开发、测试和上线。
  3. 通常需要与 AI 交互多少轮,才能达到交付要求?
  4. 如果限定两三轮就要求文档或代码达到很高准确率,需要补什么规范和约束?

开放设计:点赞、取消、再点赞,事件重复且乱序

  1. 博客支持点赞、取消、再点赞,相关事件可能重复和乱序,数据和流程应该怎样改造?
  2. 怎样识别重复事件,版本号在方案里起什么作用?
  3. 只加版本号,怎样判断取消操作对应的是哪一次点赞?
  4. 如果允许多次点赞,单个点赞状态还能否表达业务?
  5. 正向与逆向操作之间应当建立什么对应关系?
  6. 明确场景后,怎样保存事件、处理乱序并得到最终结果?

团队介绍与反问

  1. 是否了解、使用过得物?
  2. 团队介绍:借钱、分期、营销怎样与电商协作?
  3. 团队介绍:主要技术方向、AI Coding 使用和工作安排是什么?
  4. 反问:工作地点在哪里,金融和电商分别在哪个城市?
  5. 反问:后续应该从哪些方面提升?
  6. 反问:大致还有几轮技术面和 HR 面?

《参考解析》

本体化 Action 解决的是「接口给不了模型的东西」。原有 HTTP / JSF 接口是给工程师看的:方法名是技术语义、入参是技术类型、组合是否合法只写在文档和代码里。直接把这类接口当工具暴露给模型,模型不知道业务含义、不知道哪些参数组合有效、也不知道调用的副作用与权限边界,只能靠提示词猜。领域对象(本体)提供统一的概念与关系,解决同名异义、异名同义;Action 在接口之上包一层模型可理解的意图、收敛过的入参 Schema、副作用与权限声明,再映射到底层 HTTP / JSF 调用。回答「选一个 Action 讲完整链路」时按「业务入口 → 参数校验与鉴权 → 领域对象组装 → 底层服务调用 → 结果归一化 → 落库与审计」这条线讲,每一步说清自己改了什么、为什么这样改。

Action 与 MCP 的区别:MCP 是「工具如何被发现、描述与调用」的协议,解决的是连接与互操作;它不负责业务语义建模、参数收敛、权限与治理。Action 是业务侧的语义封装层,可以经 MCP 协议暴露,但两者不在一个层面。面试官追问「是不是差不多」,要点是:MCP 让工具可被调用,Action 让工具可被正确、安全地调用。工具市场同理——发布与安装只是分发问题,真正难的是版本兼容、权限授予、调用配额和回滚。

Action 的权限控制要分三层:① 功能层,谁能调用哪个 Action(RBAC / 应用授权);② 数据层,同一次调用能看到哪些行、哪些字段(租户隔离、数据权限过滤),敏感字段在返回前脱敏;③ 执行层,下游服务再做一次鉴权与参数校验,不能只信上游或提示词。审计记录调用者、入参摘要、命中的数据范围与结果,便于追责。Prompt 层的「不要访问敏感信息」不是安全边界。

AI 编程如何减少交互轮次:轮次多的根因通常不是模型笨,而是任务边界不清、上下文不足、反馈太慢。可做的有四件事。① 把需求写成可验收的规格:输入输出、边界条件、不许改的文件、验收命令。② 给足上下文:相关代码、既有约定、同类实现示例,而不是让模型自己猜架构。③ 把判断交给可执行校验:类型检查、lint、单测、契约测试、构建与回放,让模型在闭环里自己改到绿,而不是人去逐轮读 diff。④ 拆小步:一次一个可独立验证的改动,提交信息与计划先对齐。所谓「两三轮做到 99%」在开放需求上不现实,能做到的是把「正确性」外化成测试与门禁,人只审关键决策与最终 diff;这一点要如实回答,别承诺一个兑现不了的准确率。

点赞事件重复与乱序:关键是把「状态」改成「可引用的事件」。作者最初的方案是二态点赞(同一用户对同一文章只有赞 / 未赞),用 eventId 去重、版本号过滤旧事件。这个方案在「允许多次点赞」的语义下不成立:先赞、再取消、再赞时,取消到底撤销哪一次赞,版本号答不出来。正确的建模是:每一次点赞生成一个独立的 likeId(由客户端生成,作为幂等键),取消事件必须携带它要撤销的 likeId;同一 (userId, articleId) 上维护单调递增的 seq,服务端按 seq 排序。消费侧三件事:① 幂等,eventId 唯一索引,重复投递直接丢弃;② 有序,同一聚合键的 seq 有缺口时暂存(Redis ZSET 或 MQ 单分区单键),等前置事件到达再回放,超过超时阈值则回查源状态补齐;③ 可恢复,事件先落流水表(append-only),计数由「基线快照 + 增量回放」得到,而不是直接 +1/-1 更新一个数。展示层「我有没有赞」取该用户最新有效事件,总赞数取聚合结果,两者允许短暂不一致但必须最终一致。

这场面试的分歧点值得记住:面试官先给了「点赞、取消、再点赞」的场景,作者按二态点赞回答,被明确纠正「有些业务允许多次点赞,正向与逆向操作之间应当有对应关系」。遇到这类开放设计题,第一步不是急着给方案,而是先把业务语义问清:是二态还是可重复点赞、是否要求实时准确、事件由谁产生、是否允许延迟。语义不同,方案完全不同;先确认再设计,比事后补字段更能体现工程判断。