去哪儿 AI 面

《面试题目》

1. 请做一下自我介绍。
2. 深拷贝用递归实现会出现什么问题？
3. 循环引用问题怎么解决？
4. 用 WeakMap 之后仍然出现栈溢出，该怎么解决？
5. Redis 的过期删除机制是怎样的？
6. 大模型应用的提示词里，系统提示词和用户提示词有什么区别？为什么系统提示词优先于用户提示词？
7. ReAct 和 Plan-and-Execute 框架有什么区别？复杂情况、高容错要求的场景该用哪个，为什么？
8. 讲一个你开发过的全栈项目：目标是什么，怎么衡量效果？

《参考解析》

1. 深拷贝的递归实现与循环引用：递归版深拷贝最直接的两个坑是深度过大把调用栈打爆（栈溢出），以及对象互相引用导致无限递归。前者本质是递归深度等于对象层级，浏览器与 Node 的调用栈都只有几千到上万层量级，链表、树、嵌套配置一深就炸；后者是 A 引用 B、B 又引用 A，拷贝时没有「已访问」的概念就会一直绕圈。

2. 循环引用的解法与 WeakMap 的边界：标准解法是维护一张「原对象 → 拷贝结果」的映射表，进入一个对象前先查表：命中就直接返回已创建的副本，没有就先建空壳登记、再填属性。用 Map 或 WeakMap 都行，WeakMap 的好处是键为弱引用、拷贝结束后不阻止原对象被回收，缺点是键必须是对象、不能遍历。WeakMap 本身不会造成栈溢出——栈溢出仍然来自递归深度，正确写法是把递归改成显式栈或队列做广度/深度遍历，或者干脆用 structuredClone 这类原生实现；面试里如果对方说「用 WeakMap 会栈溢出」，要能把两个问题拆开：引用环靠查表解决，深度靠迭代解决。

3. Redis 的过期删除机制：Redis 采取「惰性删除 + 定期删除」组合，再加内存淘汰兜底。惰性删除是访问 key 时才判断是否过期，过期就删并返回空——它保证不会返回过期数据，但冷 key 会一直占内存。定期删除是每 100ms 触发一次，从设置了过期时间的 key 里随机抽样（默认每次 20 个），删除其中已过期的，如果抽样中过期比例超过 25% 就继续抽下一轮，并限制单次执行时间，避免阻塞主线程。两者都不能保证过期 key 立刻被清掉，所以内存达到 maxmemory 时还要靠淘汰策略（noeviction、allkeys-lru、volatile-lru、allkeys-random 等）保证写入。追问方向一般是主从与持久化：从库不主动删过期 key，只等主库同步 DEL；RDB/AOF 落盘时，过期的 key 在主库侧已经删除就不会进文件，恢复时再靠惰性删除兜底。

4. 系统提示词与用户提示词的区别：两者在模型侧没有本质区别，都是同一段上下文里的 token，区别来自框架约定与安全设计。系统提示词由应用方写入，定义角色、能力边界、输出格式和不可违反的约束；用户提示词来自使用者，表达具体诉求。约定系统提示词优先，是因为它是应用可信任的输入，而用户输入天然不可信——如果二者同级，用户只要说「忽略上面的要求」就能改写应用规则。工程上的做法是把系统提示词固定在消息序列开头，用角色标记或模板明确分隔，并把模型无法校验的约束放到系统提示词之外的强制层（输出校验、工具白名单）去做，而不是只靠一句「请遵守系统提示」。

5. ReAct 与 Plan-and-Execute 的取舍：ReAct 是「想一步、做一步、看结果再想下一步」，把推理和工具调用交错进行，适合环境反馈不确定、路径短的探索式任务，灵活但容易绕圈，且每步都要一次模型调用，长任务成本高、容易中途跑偏。Plan-and-Execute 先让模型产出完整计划，再逐步执行，必要时重规划，好处是全局目标明确、可并行、可人工审核计划，代价是计划质量决定上限，环境突变时要付重规划成本。高容错、复杂场景一般选 Plan-and-Execute 打底、在单步执行里嵌 ReAct 做局部调整：外层保证不迷路，内层保证能应对变量；同时给每一步加校验和回滚点，失败重试有上限，超限就交回人工，而不是无限重试。

6. 全栈项目的衡量口径：讲项目时面试官想听的是「你定义了什么问题、用什么指标判断做成了」。指标要分层：业务侧看转化率、留存、人均使用次数这类结果指标；技术侧看 P95 延迟、错误率、单次调用成本、并发承载；项目侧看交付周期与迭代次数。目标要给出基线，比如「把首次响应从 3 秒压到 800ms 以内」，而不是「做了性能优化」。技术选型也要能说出被否掉的方案和原因，这比堆功能列表更能体现判断力。