Shopee 供应链-后端开发(AI) 一面

《面试题目》

1. 动态定价平台为什么同时存在“运营人员”和“自动策略引擎”两类身份？权限如何设计？
2. 规则发布时，如何保证 MySQL、Redis 和 Kafka 中的规则版本最终一致？
3. 某个热点商品缓存失效瞬间产生 20 万并发请求，如何避免缓存击穿？
4. 压测时吞吐量先上升后下降，P99 延迟突然恶化，你会如何定位？
5. Redis 增加缓存后吞吐量提升约 300%，如何证明收益确实来自缓存？
6. 缓存淘汰策略应该如何选择？为什么不能简单地全部使用 LRU？
7. 如何解决缓存与数据库双写中的“旧值回填”问题？
8. 规则计算接口出现缓存穿透，布隆过滤器为什么仍可能失效？
9. 如何设计一个支持多级依赖、灰度发布和快速回滚的规则引擎？
10. Coding Agent 生成的代码如何进入生产环境，才能做到质量可控？
11. 如何防止 Coding Agent 因上下文污染而修改错误模块？
12. 如何评估 AI 生成代码，而不是只看“能不能运行”？
13. AI 生成代码在编译和测试都通过的情况下，为什么仍可能引入严重 Bug？
14. 如果企业内部大规模使用 AI 编程，怎样避免敏感代码和数据泄露？
15. Java 中如何实现一个严格限制并发数且支持超时取消的批量请求器？

《参考解析》

1. 这类问题建议结合自己的项目经历和岗位要求准备具体案例，突出思考过程而非死记结论，面试官更看重解决问题的逻辑。
2. LRU的核心是维护访问顺序，常见实现是哈希表+双向链表，做到O(1)的读写与淘汰；Linux内核用近似LRU（多级链表冷热分区）避免维护严格顺序带来的开销。
3. 回答AI相关问题时应结合具体项目说明如何设计Prompt、评估效果以及处理边界情况（如幻觉、超时），并展示对模型能力边界的清晰认知。