水滴 AI 全栈工程师高频考点：Agent 记忆、SSE 流式与后端八股覆盖面

《面试题目》

1. 完整讲一遍 RAG 或 Agent 工作流平台的整体链路，团队怎么分工，你负责哪些模块，前后端哪些是自己实现的？
2. Agent Loop 的执行流程是怎样的？
3. Function Calling 和 MCP 分别是什么？MCP 的 Host、Client、Server 三者怎么分工？
4. Function Calling 和 MCP 的联系与差异是什么？
5. Agent 的记忆怎么做？短期记忆和长期记忆分别怎么存？为什么短期选 Redis、长期选 MongoDB？
6. 项目里为什么选 SSE 而不是 WebSocket？
7. SSE 断开之后，后端任务还会继续跑吗？
8. 断线重连、消息续传、消息去重怎么做？
9. 大模型幻觉怎么缓解？多轮对话下的幻觉怎么处理？
10. KV-Cache 的原理是什么？怎么降低 Token 消耗？
11. ReAct、Plan-and-Execute 这类 Agent 范式各有什么特点？
12. GraphRAG 和传统向量 RAG 有什么区别？各自适用什么场景、优缺点是什么？
13. 多步骤 Agent 的准确率逐层下降，怎么优化？
14. 子 Agent、多 Agent 的设计思路是什么？
15. 进程、线程、协程有什么区别？
16. Go 的 GMP 调度模型和 Work-Stealing 是怎么工作的？
17. 并发与并行有什么区别？CPU 密集型和 IO 密集型任务各有什么特性？
18. 虚拟内存解决什么问题？
19. 多线程加锁有哪些常见问题？
20. TCP 三次握手的过程是怎样的？可靠性靠什么保证？
21. HTTP、SSE、WebSocket 有什么区别？
22. TCP 是字节流、没有消息边界，怎么判定一个完整的 JSON 报文？
23. MySQL 的聚簇索引、回表、覆盖索引分别是什么？
24. B+ 树为什么适合做数据库索引？
25. 事务的 ACID 是怎么保证的？
26. 库存并发争抢这类场景怎么处理？
27. 缓存穿透、击穿、雪崩分别是什么？怎么防？
28. 布隆过滤器的原理是什么？
29. Redis Stream 在流式对话场景里起什么作用？
30. Kafka 消息重复消费的原因是什么？幂等怎么实现？
31. Kafka 高吞吐的原理是什么？
32. Rebalance 的触发条件是什么？会带来什么问题？
33. Kafka 和 RabbitMQ 怎么选型？
34. 异步任务场景下出现故障、宕机、文件丢失，怎么做重试、补偿和任务状态维护？
35. 这套 Agent 或 RAG 方案解决什么业务痛点？
36. 中间件和存储组件的选型理由是什么？
37. 异步链路里的故障和数据不一致风险怎么处理？
38. 用过哪些 AI 编程工具？日常写代码、排查问题怎么用？
39. 怎么甄别 AI 输出的错误、做校验？
40. 通用聊天机器人和 AI Agent 的产品形态有什么差异？
41. 二面偏设计题：Agent 整体架构、多 Agent 协同怎么设计？Transformer 底层优化（Flash-Attention、KV-Cache）了解多少？

《参考解析》

记忆分层与存储选型：短期记忆是会话上下文、工具中间结果和最近几轮，写多读多、只在会话内有效、要毫秒级延迟，放 Redis：按 session 用 hash 或 list 组织，配 TTL 过期，会话内的消息流也可以直接用 Stream，顺带解决消费位点。长期记忆是用户偏好、稳定事实、历史结论，要可检索、可单条更新、结构随业务演进，放 MongoDB：文档结构灵活，语义字段与元数据（来源、时间、置信度）放在一个文档里，再挂向量索引做语义召回。难点不在选型而在写入策略——不能每轮都灌，要先抽取候选、与已有条目去重合并、带时间衰减与置信度；读取时按相关性过滤，否则三个月前的一句偏好会污染当前对话；还要留一条显式纠错路径。

SSE 与断线续传：SSE 单向、跑在普通 HTTP 上，天然穿过代理与现有鉴权，服务端用响应流持续推事件，浏览器自带重连；WebSocket 双向、帧开销小，但要独立升级握手、自己管连接状态、中间设备兼容性差。只推 token 和任务状态，SSE 够用。要讲清 SSE 断开不等于后端任务停止——任务得跑在独立执行体里，消息按 session 加递增序号落存储。客户端重连带 Last-Event-ID 或 seq 续传，按序号去重，缺号就补拉一次快照再走增量。两个必踩的坑：网关空闲超时会掐断长连接，要发注释行心跳；多实例部署时推送要经 Pub/Sub 广播到持有那条连接的实例。

幻觉与多步衰减：幻觉来自按概率生成、训练数据缺口、上下文不足或冲突；缓解靠检索增强、工具查询、要求引用出处和输出校验。多轮对话里更麻烦的是错误累积与上下文漂移，要做摘要压缩、把已确认事实固化成结构化状态而不是塞回自然语言历史。多步 Agent 的衰减是乘性的，单步 95% 正确十步只剩六成，所以方向不是「每步更准」而是「少依赖每步都对」：中间产物结构化并校验、关键节点用规则或检索兜底、失败即停并回滚、能并行就并行、限制总步数。ReAct 适合探索型任务，Plan-and-Execute 适合可预先规划的复杂任务，真实系统常是「先规划、执行中允许重规划」。

GraphRAG 与向量 RAG：向量 RAG 做单跳事实检索便宜好用，短板是跨文档多跳和全局性问题（「这批文档里的主要矛盾是什么」）。后者需要图：实体关系构成结构，社区摘要支持全局问答。代价是构图要跑实体关系抽取，贵且慢，抽取错误会沿图传播，增量更新也麻烦。选型看问题形态，多数业务是混合：向量保证事实准确，图补关系与全局视角。

后端八股会被追到底的点：GMP 是 G（协程）、M（内核线程）、P（逻辑处理器，默认 GOMAXPROCS）三层，每个 P 有本地队列，空了就去全局队列或别的 P 那里偷（work-stealing），M 陷入阻塞系统调用时把 P 交出去（hand-off）。字节流边界：TCP 只保证字节有序，必须自己定界，长度前缀最稳，粘包半包都靠缓冲区拼装，不能假设一次 recv 就是一个完整 JSON。缓存三兄弟：穿透是查不存在的数据，用布隆过滤器或空值缓存；击穿是热点 key 过期瞬间打库，用单飞或逻辑过期；雪崩是大量 key 同时失效或缓存层挂掉，用过期时间打散、多级缓存、熔断降级。Kafka 是至少一次语义，重复来自重试、Rebalance 位点回退、生产者重发，幂等靠业务唯一键加去重；高吞吐来自顺序写、页缓存、零拷贝、批量压缩与分区并行；Rebalance 由成员增减、订阅变化、心跳超时触发，迁移期间消费停顿。

异步链路的故障与一致性：任务要有状态机（待处理、进行中、成功、失败、超时）和幂等键，重试带退避与上限，超限进死信，再由定时任务扫超时任务做补偿；文件链路走对象存储加分片、断点续传与校验和，别把大文件塞进消息体。选型理由要落到业务约束上：吞吐、延迟、是否需要顺序、团队能否运维。