jdy 后端 一面：AI 编程、Caffeine 缓存与线程池

《面试题目》

1. 自我介绍。
2. 为什么转专业？自学和考研计划如何安排？
3. 平时如何使用 AI 编程？先生成方案还是直接生成代码？如何提高准确性、减少反复澄清？
4. 常用什么大模型，具体版本是什么？
5. 实习项目拷打。
6. 多级匹配、多级配额分别解决什么问题？
7. Caffeine 本地缓存中的脏数据如何处理？多实例返回的缓存结果不一致怎么办？
8. Caffeine 和 Redis 如何选型？调用量不高时使用本地缓存的依据是什么？两者分别有哪些开销？QPS 达到什么量级才可能影响 Redis？
9. 批量异步任务是否需要独立线程池？线程池的线程数如何确定？

《参考解析》

AI 编程：效率最高的顺序是「先让模型复述需求和约束，再出方案，再改代码」，而不是直接生成一大段。上下文要给全：相关文件、接口契约、错误日志、验收标准；任务要小，一次只改一个点；生成后跑测试、看 diff、做 code review。减少反复澄清的办法是提前写清输入输出、边界、不能动的东西和完成标准，并让模型先提问。

本地缓存与多实例：Caffeine 是进程内缓存，速度快、无网络开销，但多实例之间天然不一致，重启即失效。脏数据靠「更新数据库后删除本地缓存 + 广播失效」处理，广播可以用 Redis Pub/Sub、MQ 或配置中心；对一致性要求高的数据不要放本地，或者把 TTL 设得很短。多实例结果不一致时，先确认是缓存旧值、还是不同实例读到了不同主从/快照，再加版本号或读时校验。调用量不高时用本地缓存的依据是减少 Redis 网络往返和热点 key 压力，但代价是内存占用和一致性维护。

线程池：批量异步任务建议独立线程池，避免和在线请求争抢核心线程，也便于隔离故障和做监控。线程数按任务类型定：CPU 密集接近核数，I/O 密集按等待时间比例估算，再压测；队列要有界，拒绝策略要结合业务，不能默认无界队列。QPS 到多少会影响 Redis 没有固定答案，要看命令复杂度、单核吞吐、网络 RTT 和是否 pipeline；用压测和监控说话，别背一个数字。