滴滴 AI 应用 / Java 后端二面:硬编码规则的边界、工作流调度与 AI 代码把关
- 轮次
- 二面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
项目与学校经历
- 课程是否涉及 AI?有无实验室或导师项目经历?
- 选一个印象深、帮助大的实习项目介绍。
- 使用的是公司自研模型,还是外部模型?
- 为什么需要硬编码?数据清洗、结构化和规则不能都让 AI 做吗?
- 如果规则、规范或 Prompt 足够明确,还会有幻觉吗?
- 总结是预先生成,还是面试过程中不断更新?
- 是定时生成,还是点击后才生成?最终落在哪里?
- 工作流整体耗时是多少?
- 如何管控耗时、并发和任务处理?
- 做了哪些细分场景优化?
- 怎么识别岗位并路由到不同场景?
AI 辅助完整软件开发
- 拿到一批历史系统和代码仓库,如何用 AI 快速上手?
- 实习主要是工作流和脚本,有没有更完整的 Java / AI Coding 项目?
- 怎么避免 AI 写出有问题的功能,而自己还不知道?
- AI 设计表字段和索引,你会怎样审核?
- 历史前端系统被用户反馈功能异常,如何借助 AI 解决?
Java 与分布式并发
- Java 怎么做到线程安全?
- 分布式系统的并发安全怎么解决?
- 什么场景使用线程池?
《参考解析》
为什么还要硬编码:模型擅长理解与生成,不擅长「必须每次都对」的确定性问题。数据清洗中的字段映射、单位换算、枚举归一、时间格式、必填校验,用代码做是确定且可测试的,交给模型则每次结果可能不同、还会引入幻觉;规则还承担合规与审计要求(谁能看到什么、哪些结论必须留痕)。合理分工是:确定性的抽取、校验、路由用代码,语义理解、归纳、生成用模型,模型输出再过一遍代码校验。被问「Prompt 足够明确还会不会幻觉」时,答案是会——幻觉来自模型对未见信息的补全,不来自指令不清;指令只能降低概率,不能消除,所以关键字段必须由程序校验或人工确认。
总结的生成时机与落点:预生成适合结果稳定、可离线计算的场景(面试结束后统一生成报告),成本可控、失败可重试;实时更新适合需要随对话推进的场景,但每次调用都要带全上下文、成本高、延迟敏感。工程上常用「增量摘要 + 终稿生成」:过程中按轮次或时间窗做增量摘要,结束时基于摘要与关键片段生成终稿。结果落库要存版本、模型、提示词版本与输入摘要,便于复现与追责。
工作流耗时与并发:先把耗时拆开(模型调用、检索、数据拉取、后处理),再针对最大项优化:能并行的节点并行(如多个维度同时抽取)、能缓存的缓存(相同输入与配置命中缓存)、模型调用做流式与超时控制、长任务异步化并给前端进度。并发控制要有限流(按用户、按下游)、队列与优先级、失败重试与熔断;任务状态机要能恢复,进程重启后未完成任务可续跑。
岗位识别与路由:先做规则兜底(关键词、岗位字典、公司库精确匹配),命中即走确定路径;未命中再用模型分类,输出限定在枚举集合内并给出置信度,低置信度走通用路径或追问。路由结果要可观测(记录命中规则、模型输出、最终路径),便于发现分类漂移。
用 AI 接手历史系统:先建索引(目录结构、模块职责、接口清单、数据表关系),再让 AI 基于检索回答具体问题,而不是把整个仓库丢进上下文。有效做法是「从调用链入手」:给一个入口(接口、定时任务、页面),让 AI 追出调用链与数据流,再由人核对关键分支。要防范 AI 编造不存在的函数与配置,所有结论回到源码行号验证。
AI 代码的把关:分三层——生成时给足约束(接口签名、类型、现有工具函数、禁止引入的依赖);生成后跑确定性检查(编译、类型、lint、单测、集成测试);合入前人工看关键路径(边界、错误处理、并发、权限)。对表结构与索引的审核要点是:字段类型与长度是否匹配业务、是否可空、默认值、唯一约束、索引是否覆盖真实查询(看 where/order by/join 的列顺序)、写入放大的代价、以及上线与回滚方案(大表加索引要评估锁与耗时)。AI 给的建议必须用执行计划验证。
线上功能异常借助 AI:先收集事实(错误日志、请求 ID、时间窗、影响面、最近变更),再让 AI 在给定证据内做假设排序,而不是让它自由发挥。排查路径是「最近变更 → 依赖状态 → 数据异常 → 代码缺陷」,每一步都用日志或数据验证。AI 的价值在快速读大量日志、比对代码差异、生成复现步骤,最终判断仍由人做。
Java 线程安全:不可变对象、线程封闭(ThreadLocal、栈上变量)、同步(synchronized、ReentrantLock)、原子类与 CAS、并发容器(ConcurrentHashMap、BlockingQueue)、以及用消息队列把并发变成串行。要讲清 volatile 只保证可见性与禁止重排、不保证原子性;ConcurrentHashMap 的分段/CAS 演进与复合操作要用原子方法(computeIfAbsent)而不是「先 get 再 put」。
分布式并发安全:单机锁在多实例下失效,需要分布式锁(Redis 的 SET NX PX + Lua 释放、ZooKeeper 临时顺序节点)或把并发收敛到单点(按业务键哈希到同一实例、数据库唯一约束、队列串行消费)。分布式锁要处理锁过期与业务未完成(看门狗续期或 fencing token)、主从切换丢锁、以及重入问题。更强一致的方案是数据库乐观锁/悲观锁或状态机(UPDATE ... WHERE status = ?),用影响行数判断是否抢到。
线程池场景:适合把「提交与执行解耦」的任务——异步通知、批量计算、IO 密集的远程调用聚合、需要限流的后台任务。不适合长时间阻塞且需要严格顺序的任务,也不适合 CPU 密集且数量巨大的计算(会争抢核)。参数按任务类型定,队列必须有界,拒绝策略要明确(调用方执行、降级、丢弃并记录),并监控活跃线程数、队列长度、拒绝次数与任务耗时。