面灵AI→

记忆张量大模型全栈实习一面:Agent 项目、ES 检索与红包模块拷打

轮次
一面
时间
2026-11
来源
牛客网

《面试题目》

  1. 先介绍一下自己。
  2. 讲一下这个 Agent 项目的作用是什么?有实际使用过吗?
  3. 说一下技术选型,为什么用 Eino 这个框架?除了适配 Go 语言还有别的原因吗?
  4. 介绍一下你用的 ADK,它和 Graph 有什么区别?
  5. 你说项目中使用了 ES,能聊一下它的特点吗?为什么要用 ES 这个数据库?
  6. ES 的数据持久化机制介绍一下,它是如何写入的?
  7. 面试官还问了 Lucene 相关问题(作者只记得聊了倒排索引,回答得比较模糊)。
  8. 为什么用多路检索?介绍一下 BM25 和向量检索。
  9. 最后融合用的是 RRF:K 设置的是多少?说一下 RRF 的公式?为什么不能直接融合?
  10. RAG 召回的时候有设置窗口长度吗?是多少?如果超过长度怎么办?
  11. RAG 召回的「章节关联」是什么意思?章节补全怎么做的?
  12. 关于长任务,你的 Agent Run 持久化放在哪里?有重放吗?
  13. SSE 断联怎么补全后续事件?
  14. 你提到了数据库的 revision 字段,聊一聊它有什么用?如何处理并发?
  15. 聊天系统的 seq 是全局的还是会话的?
  16. 讲一下落库的过程。
  17. 红包模块用到了 Redis,说说这个 Lua 脚本是干什么的?
  18. Lua 脚本有什么缺点?
  19. 聊聊 Redis 的线程模型,Redis 是单线程还是多线程?
  20. 红包领取和退款是否会死锁?
  21. 如果 Kafka 实时消息推送失败,只能靠重新上线后拉取吗?当前轮询拉取怎么优化?
  22. 聊一下消息批发布的机制。
  23. 你有没有遇到过什么瓶颈的地方?有对应的优化策略吗?
  24. 群聊中如果多人发送大量消息,可以怎么优化?
  25. 你刚才说的消息推送优化,具体怎么做的?
  26. Redis 失效广播?这个你项目里是怎么做的?
  27. 公司业务是什么?如果有幸入职,我需要学习什么吗?
  28. 未来计算机发展方向是什么?
  29. 关于读研的建议。

《参考解析》

这场面试的形态值得先说清楚。 作者的原话是「全程围绕着简历上的项目拷打,没怎么问八股,就连最后的手撕都没了」,追问虽然密但没有压力。这类面试的评分点不在「答对多少知识点」,而在「你对自己写的东西理解到哪一层」——同一个项目,能讲到设计取舍、失败尝试、线上指标,和只能复述用了什么框架,差距很大。

为什么用 Eino、它和 ADK、Graph 的区别。 Eino 是字节开源的 Go 语言 LLM 应用框架,核心抽象是 Component(模型、工具、检索器)、Graph(把组件编排成有向图,支持分支、循环、并行)和 Chain;选它的直接理由通常是团队主语言是 Go、需要与现有服务同进程集成、以及图编排能表达多步 Agent 流程。ADK 是 Google 的 Agent Development Kit,偏 Agent 生命周期管理(会话、记忆、工具注册、回调),Graph 更偏「把一次请求编排成流程图」。回答这题的关键不是背各自特性,而是说清自己项目需要什么:如果核心是多步、可分支的流程控制,Graph 更合适;如果核心是 Agent 的会话状态与工具调度,ADK 更省事。作者被追问「除了适配 Go 还有别的原因吗」,正是在确认选型是不是只看了语言。

ES 的特点与写入机制。 特点三句话:倒排索引支撑全文检索与相关性打分、支持结构化过滤与聚合、天然分布式(分片 + 副本)可水平扩展。写入路径是这题的核心:写请求先到协调节点,按 _routing(默认 _id)路由到主分片,主分片写入内存 buffer 并同时追加 translog,随后同步到副本分片;refresh(默认 1 秒)把 buffer 生成新的 segment 并打开供搜索,所以 ES 是「近实时」而不是实时;flush 触发 Lucene commit 并清空 translog;后台 merge 把多个小 segment 合并成大 segment 并真正删除标记删除的文档。几个常被追问的点:为什么删除只是标记(segment 不可变)、refresh_interval 调大能提升写入吞吐但会拉长可见延迟、translog 的 durability 设为 request 时每次写都 fsync。

多路检索与 RRF。 多路检索是把 BM25(稀疏、关键词精确匹配强)与向量检索(稠密、语义泛化强)并行召回,再合并。BM25 的核心是 TF-IDF 的改进:词频饱和(k1 控制饱和速度)、文档长度归一化(b)、IDF 按文档频率计算。RRF(Reciprocal Rank Fusion)的公式是 score(d) = Σ_i 1 / (k + rank_i(d)),k 通常取 60,作者被追问的正是这个常数。为什么不能直接把两路分数相加:BM25 分数是无上界的实数、余弦相似度在 -1 到 1 之间,量纲和分布都不同,直接相加会让某一路主导;RRF 只用排名、不用原始分数,天然免疫量纲问题,代价是丢掉了分数里「差多少」的信息。进阶做法是加权 RRF 或用学习到的融合模型。

RAG 的窗口与章节补全。 窗口长度指召回后送给模型的上下文预算,通常按 token 数设定(例如 4k–8k),超过就截断或压缩。截断策略要能回答「截哪一段」:按相关性排序取头部、按句子边界切、或用滑动窗口重叠保留上下文。作者提到的「章节关联」是把同一章节下的相邻 chunk 建立父子或兄弟关系,召回命中某个 chunk 后把它所属章节的标题、前后段落一并带上,解决「chunk 切碎了语义不完整」的问题;章节补全的做法通常是二级检索:先用小 chunk 召回定位,再用它所属的大块(section)替换进上下文。

长任务的持久化与 SSE 断连。 Agent Run 的持久化一般落在数据库里,记录 run 的状态、已执行的步骤、工具调用结果与 checkpoint;有重放能力意味着能从某个 checkpoint 继续,而不是从头再来。SSE 断连的补全有两个层次:传输层用 Last-Event-ID 让客户端重连时带上最后收到的事件序号,服务端从该序号之后续发;业务层用 checkpoint 保存阶段性结果,重连后先补发缺失事件、再继续推。作者坦白「后面部分还没做」,这在实习面里是可以接受的答法——说清方案边界比假装做完更好。

revision 字段与并发。 revision 是乐观锁的版本号:读取时带出当前 revision,更新时 WHERE id = ? AND revision = ? 并 revision = revision + 1,影响行数为 0 说明期间被别人改过,重读重试或报冲突。它解决的是「读-改-写」之间的丢失更新,代价是冲突时需要重试;高冲突场景要换悲观锁或串行化。面试官继续追问「如何处理并发」,可以补:冲突重试要设上限、幂等键要带上、以及长事务要拆短。

seq 与落库。 聊天系统的 seq 有全局自增和会话内自增两种。全局 seq 便于做全量游标与跨会话排序,但写入热点集中、分库分表后难保证连续;会话内 seq 让同一会话的消息严格有序、写入按会话分散,代价是跨会话无法直接比较。落库过程要讲清三件事:消息先写库还是先推送(一般是先落库拿到 seq 再推送,保证可恢复)、如何保证同一会话内 seq 连续(会话级锁或 Redis 自增)、以及写扩散到收件箱表还是读时聚合。

Redis 的 Lua、缺点与线程模型。 红包场景的 Lua 脚本通常做「原子地判断库存 + 扣减 + 记录领取」,把多步操作合成一次原子执行,避免并发超发。Lua 的缺点作者只答了「不能回滚」,面试官纠正那是 Redis 事务的缺点;Lua 真正的缺点是阻塞——脚本在 Redis 主线程里串行执行,脚本越长、循环越多,阻塞其他命令越久,所以脚本要短、不能做大循环,lua-time-limit 只是让 Redis 开始拒绝其他命令而不是中断脚本。Redis 的线程模型:命令执行是单线程的(保证原子性与无锁),但 6.0 起 IO 是多线程的(读写 socket、协议解析可以并行),持久化、过期删除、集群同步也有后台线程;所以准确说法是「命令处理单线程,网络 IO 多线程」。

死锁与推送优化。 红包领取与退款是否死锁,取决于加锁顺序与是否跨 key:同一份库存用 Lua 原子操作不会死锁;如果领取和退款分别对「红包记录」和「用户余额」加锁且顺序相反,就会死锁,解法是固定顺序、用带超时的锁、或把两步合成一次 Lua。Kafka 推送失败只靠上线后拉取是不够的,可做的优化:消费端维护 offset 与本地游标、失败进重试队列并做退避、客户端长连接断线重连后按游标拉增量、以及把「拉取」从全量轮询改成基于 seq 的增量拉取加服务端推送补偿。批发布是把多条消息合并成一次写入或一次推送,减少网络往返与数据库事务次数,要注意批次大小与延迟的权衡。