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》
- 先介绍一下自己。
- 讲一下这个 Agent 项目的作用是什么?有实际使用过吗?
- 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?
- 介绍一下你用的 ADK,它和 Graph 有什么区别?
- 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?
- ES 的数据持久化机制介绍一下,它是如何写入的?
- 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)。
- 为什么用多路检索?介绍一下 BM25 和向量检索。
- 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?
- 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?
- RAG 召回的「章节关联」是什么意思?章节补全怎么做的?
- 关于长任务,你的 Agent Run 持久化放在哪里?有重放吗?
- SSE 断联怎么补全后续事件?
- 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?
- 聊天系统的 seq 是全局的还是会话的?
- 讲一下落库的过程。
- 红包模块用到了 Redis,说说这个 Lua 脚本是干什么的?
- Lua 脚本有什么缺点?
- 聊聊 Redis 的线程模型,Redis 是单线程还是多线程?
- 红包领取和退款是否会死锁?
- 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?
- 聊一下消息批发布的机制。
- 你有没有遇到过什么瓶颈的地方?有对应的优化策略吗?
- 群聊中如果多人发送大量消息,可以怎么优化?
- 你刚才说的消息推送优化,具体怎么做的?
- Redis 失效广播?这个你项目里是怎么做的?
- 公司业务是什么?如果有幸入职,我需要学习什么吗?
- 未来计算机发展方向是什么?
- 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。