小红书AI全栈（社区工程）一面面经
面试题目
一、自我介绍 / 经历亮点 / 岗位理解
- 介绍近期经历及项目亮点。
- 端智能特征工程的工作职责。
- 项目职责：采集还是中间处理？
- 系统设计分层逻辑。
- 业务方如何定义和注册特征。
二、设备特征缓存优化 6. 缓存优化任务的来源与背景。 7. 高并发下的耗时根本原因分析。 8. 特征动态变化处理方案。 9. 为什么设置2秒、10秒、90秒分层？ 10. 极端实时性（0.5秒）及多业务差异化场景的供给/消费体系设计。
三、特征计算触发 / 业务隔离 / 平台治理 11. 计算任务的并发管控与优先级调度。 12. 任务治理的演进：人工Review转AI自动审查。 13. AI辅助审查规则设计及重点关注指标。
四、端上开发经验 / AI 在开发中的使用 14. C++性能优化经验及多端适配。 15. AI编码工具使用习惯及国产模型应用。
五、编程题：带 TTL 的 LRU Cache 16. 实现一个线程安全的 Java 本地缓存类（支持 capacity 和 TTL）。 17. 深度追问：Version机制的作用、小顶堆的复杂度与一致性问题、极端过期场景下的性能优化。
参考解析
1. 缓存分层设计（2s/10s/90s）
- 核心逻辑是根据“特征变化频率”与“业务容忍度”匹配。高频特征（如网络状态）需近实时更新以保证决策准确，低频业务特征（如设备机型）可走长缓存降低IO。
2. 任务调度与治理
- 系统治理的核心在于资源配额（Quota）与熔断机制。AI介入审查时，应基于代码复杂度、执行频次、CPU/内存占用率设定规则，拦截无效高耗计算。
3. LRU + TTL 缓存设计
- LRU实现：利用
HashMap+Doubly Linked List实现O(1)访问与淘汰。 - TTL实现：引入
DelayQueue或小顶堆存储过期时间。需注意version机制，即在 Value 中记录版本号，处理高并发 Put 时旧过期任务失效，避免删除新增数据。 - 极端场景：大量 Key 同时过期时，可采用“惰性删除 + 定时采样清理”相结合的策略，避免瞬时扫描导致的锁竞争和性能抖动。