京东科技AI后端研发一面（日常实习）
面试题目
项目深挖
- 介绍项目背景、整体架构、扮演的角色、遇到的痛点 & 难点以及解决方案
- 为什么选这个项目？自己实现了哪些部分？
- 项目难点在哪？
- 秒杀和防止超卖是加锁，锁的东西是什么？有模拟测试过吗？
- 本地缓存怎么保证数据一致性？TTL 设置了多久？Caffeine 了解多少？
实习经历
- 随便挑一个实习介绍背景 + 负责部分 + 遇到的困难
- 实习公司的主要产品是什么？用的什么大模型？为什么不直接调 API 而是要设计这样的架构？
- Agent 的 memory 模块是怎么做的？用的什么数据库？为什么没用 xxx？
- 实习还有什么其他难点吗？
八股（约 10 min）
- 了解哪些 JDK 版本？
- Java 内存模型（JMM）
- RPC 框架用过哪些？
- HTTP 协议了解哪些？
- 还对后端哪块比较了解？
参考解析
秒杀防超卖加锁
- 锁的对象通常是库存 key（如 Redis 中的商品库存字段），可用
DECR原子操作或 Lua 脚本保证原子性。 - 也可使用数据库行锁（
SELECT ... FOR UPDATE）或乐观锁（版本号）防止超卖。 - 压测建议用 JMeter 或 wrk 模拟并发，观察库存是否跌为负数。
本地缓存一致性 & Caffeine
- 本地缓存与数据库一致性常见方案：TTL 过期淘汰 + 数据库更新时主动失效（发 MQ 通知各节点）。
- Caffeine 是基于 W-TinyLFU 算法的高性能本地缓存，支持
expireAfterWrite/expireAfterAccess。 - TTL 时长视业务容忍度而定，秒杀场景通常设置较短（几秒到几十秒），或结合版本号做细粒度失效。
Agent Memory 模块
- 常见分层：短期记忆（当前会话上下文，存内存/Redis）、长期记忆（历史摘要，存向量数据库如 Milvus/Qdrant）。
- 选型理由需结合检索方式：语义检索选向量库，结构化查询选关系型DB，混合场景可组合使用。
- 面试时说清楚为什么不用某个库，一般从性能、运维成本、团队熟悉度角度回答。
不直接调大模型 API 而自建架构
- 直接调 API 缺乏路由、限流、多模型切换、成本控制、审计日志等能力。
- 自建网关层可统一鉴权、做 Prompt 管理、支持 fallback 切换模型，提升稳定性。
Java 内存模型（JMM）
- JMM 定义了线程如何通过主内存与工作内存交互，解决可见性、有序性、原子性问题。
- 核心关键字：
volatile（可见性+禁止指令重排）、synchronized、happens-before规则。
RPC 框架
- 常见：Dubbo、gRPC、Spring Cloud OpenFeign、Thrift。
- 回答时可对比协议（HTTP2 vs TCP）、序列化方式（Protobuf vs JSON）、服务发现机制。
HTTP 协议要点
- 重点掌握 HTTP/1.1 vs HTTP2（多路复用、头部压缩）、HTTPS 握手流程、常见状态码、keep-alive、幂等性方法区分。