京东后端开发一面面经

《面试题目》

1. 请做一下自我介绍。
2. 为什么会产生知识树优化需求？开发阶段怎样避免或减少后续优化，并总结为通用的交付方法？
3. Agent 为什么选择 LangGraph 实现，而没有基于其他开源 Agent 改造？
4. Java 和 Python 有哪些区别？将 Python 侧低性能的数据处理迁移到 Java 高性能服务时，需要注意哪些问题？
5. C++ 和 Java 有哪些主要区别？

《参考解析》

1. 减少知识树返工：先定义知识节点的粒度、层级关系、唯一标识和验收标准，再用真实查询样本验证召回效果。交付前应覆盖增量更新、冲突合并、空节点和错误归类等边界，避免数据规模扩大后再重构结构。

2. LangGraph 技术选型：重点比较状态管理、流程分支、持久化、人工介入、可观测性和现有技术栈的集成成本。是否改造其他开源 Agent，应由流程复杂度和维护成本决定，而不是只看功能数量。

3. Python 与 Java 协作：需要明确序列化协议、字段类型、时区与精度、批量大小、超时重试和幂等语义。性能优化不能只看语言，还要测量网络传输、对象转换、数据库访问和并发模型的实际瓶颈。

4. C++ 与 Java：C++ 提供更直接的内存和资源控制，适合对延迟与硬件利用率敏感的场景；Java 依靠 JVM、垃圾回收和成熟生态提高开发效率与可移植性。选择时应综合实时性、工程效率、运行环境和团队维护能力。