微店 AI全栈开发 一面：AI 排查代码的流程与结果验证

《面试题目》

1. 自我介绍。
2. 在实习中使用 AI 的经验，或者说使用 AI 的流程是怎样的？
3. 讲讲实习工作的背景和目标。
4. 具体排查代码的整个流程，讲解一下。
5. 怎么验证 AI 的结果？
6. 对于 Redis 有什么具体的使用场景？
7. 团队里有什么看指标的大盘？你自己负责哪些？

《参考解析》

「用 AI 排查代码」要讲成一条可复现的流程，而不是「我问了它」。 起点是把问题变成可验证的输入：拿到报错栈、复现步骤、相关日志和最近变更（git log 与 diff），必要时先最小化复现。然后把上下文喂给模型：出错文件与调用链、接口契约、数据样例、已经排除的假设；要求它先给「假设加需要验证的证据」，而不是直接给补丁。拿到候选修改后本地复现验证、跑相关单测、看 diff 是否只动了必要范围，最后把结论与验证方式写回工单。这条流程里人的职责是定义问题、提供上下文、验收证据，模型的职责是加速假设生成和样板代码——比例大概是自己判断与验证占大头。

验证 AI 结果的标准是「可执行证据」。 分层验证：语法与类型（编译、typecheck、lint）、行为（单测、集成测试、手动复现路径）、边界（空值、超时、并发、异常分支是否覆盖）、以及安全性（有没有引入注入、越权、日志泄漏、依赖供应链风险）。对不熟的库还要核对官方文档，而不是信模型的记忆。想把这套做顺，前提是仓库的门禁齐全——单测和类型检查在，AI 的产出才敢用；没有测试的地方，至少要求「给出验证脚本加实际运行输出」。要特别防「看起来对」的幻觉：API 不存在、参数顺序错、异常被吞掉，这些只有跑起来才暴露。

Redis 的使用场景按数据结构讲，落到具体 key 与过期策略。 缓存（String 或 Hash 存对象，注意穿透用空值或布隆过滤器、击穿用互斥重建或逻辑过期、雪崩用 TTL 抖动）；分布式锁（SET NX PX 加唯一 value，Lua 释放）；计数与限流（INCR 加 EXPIRE，滑动窗口用 ZSet，令牌桶用 Lua 保证原子）；排行榜与延迟队列（ZSet 按分数排，时间戳当分数就是延时队列）；会话与验证码（短 TTL）；去重与统计（Set、Bitmap、HyperLogLog 估算 UV）；消息（Stream 加消费组，比 List 多了 ack 与 pending 管理）。也要能说出边界：Redis 是内存库，持久化有丢失窗口，不能当唯一真相源；大 key 与热 key 会拖慢单线程，需要拆分和本地缓存。

指标大盘分三层，讲清自己负责的那一层。 业务层（订单量、支付成功率、GMV、转化漏斗）、应用层（QPS、P95 与 P99 延迟、错误率、饱和度）、依赖层（数据库慢查询与连接数、Redis 命中率与内存、下游接口成功率）。回答「你负责哪些」时给出具体面板和动作：例如自己盯支付回调的成功率与重试队列积压，设了阈值告警并写过处理预案；再补一句怎么区分业务波动和系统故障——看同一时间窗口内依赖指标是否同步异常。实习背景与目标那段同理：先说业务问题和目标指标，再说自己负责的模块与上线后的变化，最后诚实说没做成的部分和原因。