郑州某小厂 Java后端一面
《面试题目》
- 虽然面的是Java后端，但是Agent方面的内容问的更多，而且我发现小厂貌似都挺喜欢问claude code、openclaw的源码和设计思路这方面的内容
- 先简单自我介绍一下。
- 我看你做的有埋点，那你这个埋点怎么做的？是前端埋的还是后端埋的？
- 上报是怎么实现的？
- 你考虑过这种方案可能会带来一些耦合性吧？你刚才说要在一些特定点上进行埋点，会不会造成一些耦合性的问题呢？
- 你们这个项目是单体的吗？你刚提到的没有办法承受那么大的流量，那你觉得这个流量多少会崩呢？
- 埋点这些事件也是通过消息队列发的吗？还是怎么发的？
- 后期的分析呢，分析也在这个项目里面吗？
- 分析出来的产物是什么？是自然语言吗？还是一些什么？
- 推荐这个链路是怎么做的？你是向量推荐吗？还是怎么推荐？
- 如果说我是用户，我这个知识点的题都做完了，你还给我推都是这个知识点的错题，那这个你们怎么做的，就是知识点之间的题目的切换对不对？
- 我看你做过RAG是吧？那你都接触过几种RAG？
- 你接触过几种RAG的架构？
- 你觉得刚才说的那三种RAG各适合什么场景？
- 大模型的聪明程度会影响哪种RAG的效果呢？
- 在Graph RAG（知识图谱）中，在做多跳查询的时候，它使用到大模型的能力了吗？
- 在生成这个图查询语句的时候，有没有大模型能力？
- 你这里面提到上下文压缩，你是怎么做的？
- 人在回路（Human in the loop）怎么实现？
- 你有做过RAG的评测吗？
- 讲讲RAG评测的思路吧。
- 你有评测结果之后，后面的优化一系列步骤是什么？
- 你提到了Harness Engineering，介绍一下在你这个项目中的实践吧。
- 我看你之前还做过Java是吗？那你项目做的是Java还是Python？
- 有了解过DDD架构（领域驱动设计）吗？你有写过吗？
- 你再介绍一下你对DDD的了解吧，宽泛一点。
- DDD领域里面聚合根、值对象、实体这些对象，它们的作用是什么？
- 设计模式有了解过吗？Spring框架用到了什么设计模式？
- Redis的分布式锁的实现原理是什么？为什么能实现可重入性？锁续期怎么做的？
- 你在做AI开发的时候开发过MCP的Server吗？
- 你本地的MCP服务有鉴权吗？那个鉴权是怎么做的？
- 你平时部署的话，CI/CD应该有吧？你有搭建过这套流程吗？
- 你平时做AI开发的时候都用一些什么IDE呢？
- Claude Code它的源码泄露了，你对它了解多吗？它里面的一些具体实现，比如它的记忆是怎么实现的，它有多少种记忆？
- 最近还有一些比较好玩的Agent，比如OpenClaw或者Harmes，这些你玩过吗？
- 你有接触过这种视觉模型吗？
《参考解析》
-
Redis核心：Redis常用数据结构：String/Hash/List/Set/ZSet。持久化：RDB（定期快照，恢复快，数据可能丢失）和AOF（追加日志，数据安全，文件大）。缓存穿透用布隆过滤器；缓存雪崩加随机过期时间+多级缓存；缓存击穿用互斥锁或逻辑过期。分布式锁用SET key value NX PX + Lua脚本保证原子释放。
-
Spring框架：Spring IoC容器管理Bean生命周期，核心是依赖注入（DI）。AOP面向切面编程通过动态代理（JDK/CGLIB）实现横切关注点（日志/事务/权限）。Spring事务传播行为：REQUIRED（加入现有或新建）、REQUIRES_NEW（挂起当前，新建）、NESTED（嵌套事务）等。
-
消息队列：消息队列解决异步解耦、流量削峰。消息可靠性：生产者confirm确认；Broker持久化；消费者手动ACK。幂等性：消费端通过唯一ID+Redis或DB乐观锁实现。顺序消息：同一业务Key路由到同一分区/Queue，单线程消费。消息积压：扩消费者+增加分区+临时跳过非关键消息。
-
RAG与大模型：RAG（检索增强生成）流程：文档切片→向量化（Embedding）→存向量数据库→检索时将query向量化→TopK语义检索→将相关文档拼入prompt→LLM生成。优化：混合检索（语义+关键词）、重排序Rerank、查询改写、上下文压缩。评估：召回率（relevant docs retrieved/total relevant）、精确率、Answer相关性。