3.31 美团食杂零售后端一面面经

面试题目

1. 自我介绍
2. 大模型项目做了什么
3. 向量数据库流程，怎么选型，维度为啥这么选，基于之前的faiss是吗
4. 用向量数据库的时候，对它的性能上有什么考虑
5. 双向量（query改写）和单向量召回的区别是什么
6. 上线了吗，完整数据流向流程
7. 优化准确率，哪些方面优化
8. 摘要怎么做的（参考OpenClaw）
9. 项目做了多长时间，你参与了哪些
10. 主要语言Java还是Python
11. Java线程池使用场景（HTTP连接、CompletableFuture异步调用、自定义线程池防止阻塞）
12. 线程数是怎么估计的
13. Synchronized锁升级了解吗，可重入锁吗
14. 如果不可重入会出现什么情况
15. ThreadLocal底层原理
16. 学习知识的流程是什么样（研究性 vs 工程性）
17. OpenClaw爬论文Skill模块实现与部署方式
18. 工程性课题学习路径，多Agent比单智能体的好处
19. PPT Agent实现细节
20. AI编程范式（人机协同、Vibe Coding）
21. 算法题：数组升序排列，求前K个数，快排思路
22. 反问环节

参考解析

1. 向量数据库选型与性能： 选型需权衡查询速度（ANN算法）与精度（召回率），性能优化可从索引结构（如HNSW）、硬件加速（GPU/SIMD）、数据预过滤及内存映射角度考虑。

2. 线程池参数估计： CPU密集型建议设置为 N+1，IO密集型建议设置为 2N 或采用动态调整策略，需结合压测观察系统吞吐量与CPU利用率。

3. Synchronized锁升级： 从无锁 -> 偏向锁 -> 轻量级锁 -> 重量级锁。不可重入会导致同一线程调用自身同步方法时产生自旋死锁。

4. ThreadLocal原理： 每个Thread对象持有一个ThreadLocalMap，key为ThreadLocal弱引用，value为实际存储对象，通过当前线程获取Map实现线程隔离，注意内存泄漏风险。

5. 快排求TopK： 使用快排的Partition思想，每次将数组划分为两部分，若基准点下标刚好为K-1，则左侧即为前K个元素，平均时间复杂度为O(N)。