ThunderBit AI后端一二面面经

《面试题目》

一面（视频面，约55分钟）

1. 自我介绍
2. 第一个项目用到了状态机，状态机主要是干嘛的？这个流程有哪些状态，状态之间是怎么流转的？
3. 提到了分布式锁和幂等防重，讲讲这两个分别是什么、有什么区别？
4. Redis 缓存中，为什么把会话这种热数据放缓存，不直接放数据库？
5. 如果 Redis 挂了，数据会丢吗？
6. 在 AI 调用中为什么特别在意消息重复提交的问题？
7. AI 是怎么调用工具的？整个流程是怎样的？

《参考解析》

1. 分布式锁 vs 幂等防重：分布式锁解决的是”同一时刻只允许一个执行者操作共享资源”的互斥问题（关注并发控制）；幂等防重解决的是”同一个请求被重复执行多次，结果应该保持一致”的问题（关注结果一致性），两者常配合使用——例如用分布式锁保证扣库存操作互斥，同时用幂等表/唯一约束防止重复扣减。
2. 会话数据放缓存而非直接放数据库的原因：会话数据访问频率极高（几乎每个请求都要校验），直接查数据库会带来巨大的 IO 压力和延迟；Redis 基于内存的读写速度比磁盘数据库快几个数量级，且天然支持设置过期时间（TTL），非常适合会话这类”访问频繁、有效期短”的热数据。
3. Redis 挂了数据是否会丢：取决于持久化策略——若未开启 RDB/AOF，Redis 重启数据全部丢失；开启 RDB 则可能丢失最近一次快照之后的数据；开启 AOF（尤其 always 策略）能最大程度减少数据丢失但性能开销更大；生产环境通常采用主从+哨兵/集群模式，配合 RDB+AOF 混合持久化来兼顾性能与可靠性。
4. AI Agent 调用工具的流程：模型根据用户输入和可用工具的描述（Function/Tool Schema）判断是否需要调用工具，生成结构化的工具调用请求（如 JSON 格式的函数名+参数）→ 后端解析该请求并实际执行对应工具/接口 → 将执行结果作为新的上下文回传给模型 → 模型基于工具结果继续推理或生成最终回答，这一过程可能循环多轮（即 ReAct 模式）。