建信融通后端开发二面面经

《面试题目》

1. 自我介绍
2. 你是如何使用 Spring AI 对接大模型的？具体完成了哪些核心功能或模块的开发？
3. 引入大模型后，它在实际应用中起到了怎样的支撑作用？
4. 在处理用户历史聊天时，如何保证上下文的关联性？

《参考解析》

1. Spring AI 对接大模型的核心能力：Spring AI 提供了统一的 ChatClient/ChatModel 抽象屏蔽不同大模型厂商 API 的差异，支持 Prompt 模板管理、Function Calling（工具调用）、向量存储（VectorStore）集成 RAG 能力，以及流式响应处理，开发者可以用统一的 Spring 编程范式对接 OpenAI、通义千问等多种模型而无需关心底层协议差异。
2. 保证上下文关联性的实现方式：常见做法是维护会话级别的消息历史（存储在 Redis 或数据库中，以 sessionId 为键），每次请求时把历史对话（可能经过摘要压缩以控制 token 消耗）与当前问题一起拼接送入模型；对于长对话场景，还需要考虑滑动窗口截断、关键信息摘要提取等策略，避免上下文超长导致成本上升或关键信息被截断丢失。