小红书Java后端开发一面面经

《面试题目》

1. 自我介绍
2. 讲一下之前实习中遇到的比较棘手的问题
3. AI 项目整体流程是怎样的，遇到了什么问题，如何解决？
4. AI 项目中短期记忆和长期记忆是否都用 Redis 实现？
5. 如何判断何时采用短期记忆、何时采用长期记忆？
6. 随着时间推移，长期记忆是如何持续维护的？
7. 长期记忆中如何判断哪些信息该保留、哪些该精简或剔除？
8. 除了召回率阈值，还有其他指标可以用来判断记忆是否该被剔除吗？
9. 算法题：快速排序
10. 日常是怎样使用 AI 的？有做过 vibe coding 吗？
11. 使用 AI 时遇到过哪些比较有代表性的问题？如何解决的？
12. 反问：在后端和 AI Agent 方向上有什么学习建议？

《参考解析》

1. 短期记忆 vs 长期记忆的取舍：短期记忆通常对应当前会话上下文（如最近几轮对话），生命周期短、检索快，适合承接即时语境；长期记忆用于跨会话保留用户偏好、历史事实等信息，一般需要经过摘要/向量化后持久化存储，检索走相似度召回。判断标准通常是信息的”复用价值”和”时效性”——高频复用、跨会话仍有意义的信息才值得沉淀为长期记忆。
2. 长期记忆的剔除策略：常见做法是结合召回率/相关性打分设置阈值，低于阈值的记忆逐步淘汰；此外还可以引入时间衰减因子（越久未被召回权重越低）、访问频次统计、记忆间的冗余去重等多维度指标，而不是单一依赖召回率。
3. 快速排序思路：选取一个基准值（pivot），通过一次划分把数组分为小于基准和大于基准两部分，再对两部分递归排序；平均时间复杂度 O(n log n)，最坏情况（如已有序数组每次取首元素作 pivot）退化为 O(n²)，实际工程中常用随机选取 pivot 或三数取中来规避最坏情况。
4. AI 辅助编程的学习建议：面试官给出的建议是持续跟进 agent 领域最前沿研究，理解上下文管理和记忆系统机制，可参考 Claude Code 等开源 agent 架构的设计思路；对候选人而言，具备扎实的 AI 工程经验会成为面试中的加分项。