卓望全栈开发技术面：AI Coding 追问、MySQL、Redis 与前端异步

《面试题目》

一、自我介绍与 AI Coding

1. 请做一下自我介绍。
2. 你的个人网站基本上都是通过 AI Coding 完成的吗？
3. AI 生成的代码，你是怎么验证正确性的？
4. 除了测试前端交互和后端接口，还有没有其他验证方式？
5. 在 AI 开始编码之前，你会不会检查它给出的技术设计是否合理？
6. 有没有使用过 Skills 或者其他工具，减少 AI 生成代码时的幻觉和错误？
7. 假设 AI 修改了一个功能，并告诉你代码和单元测试都通过了，你怎么进一步确认它的结果是可信的？
8. 如果 AI 修改代码之后，单元测试反而失败了，你会怎么处理？

二、设计模式

1. 你的数据同步框架使用了模板方法模式，除此之外还了解哪些设计模式？
2. 能不能举一个适合使用策略模式的实际业务场景？

三、MySQL 大数据量查询优化

1. 假设一张流水表有 1 亿条数据，现在只需要查询最近一天的数据，你会从哪些方面优化 SQL 查询？
2. 除了索引优化、覆盖索引、分区分表等方案，还有没有其他优化思路？

四、Redis 缓存一致性

1. 在更新数据时，采用先更新数据库、再删除缓存的方案，能否保证数据最终一致性？
2. 延迟双删的具体执行流程是什么？

五、敏感数据存储

1. 密码、身份证号码等敏感信息，在数据库中应该如何安全存储？
2. 如果密码采用加盐哈希存储，用户登录时如何进行密码校验？
3. 身份证号码和用户密码可以采用相同的存储方案吗？

六、前端异步请求场景

1. 搜索框输入 “ja” 时发送一次请求，继续输入 “java” 又发送一次请求；如果 “java” 的响应先返回、“ja” 的响应后返回，如何确保页面最终展示的是 “java” 的搜索结果？
2. 前端如何取消上一次尚未完成的网络请求？
3. 除了取消请求，还有没有其他方式避免旧请求覆盖新请求的结果？

七、Linux 日志排查

1. 如果日志文件非常大，如何快速查看最新的一部分日志？
2. 如何持续实时查看新增日志？
3. 如果已经知道一个 requestId，如何筛选该请求对应的日志？

八、Java 基础

1. JDK 8 默认使用什么垃圾回收器？
2. Java 中的 final 关键字有什么作用？为什么需要 final？
3. final 修饰集合后，还能不能添加或者删除元素？
4. final 修饰对象引用后，还能不能修改对象内部的属性？

九、AI 基础与 Python

1. 平时使用过哪些 AI Coding 工具？
2. 除了 AI 辅助编程，对 Agent、深度学习、RAG 等 AI 相关技术了解多少？
3. Python 中的 GIL 是什么？能不能进一步解释它的作用？
4. Python 中的装饰器了解吗？
5. Python 中的生成器和迭代器有什么区别？

十、反问环节

1. 岗位具体使用什么前后端技术栈？
2. 校招生入职后有没有导师培养机制？是否会直接参与实际项目？
3. 从本次面试表现来看，还有哪些能力需要继续提升？
4. 后续还有哪些面试流程？

《参考解析》

AI Coding：考的是你的验收能力，不是你会不会用工具

「AI 写的代码你怎么验证」是这一轮追问最细的地方，答案要能说出一条完整的验证链：先读 diff 看它有没有偏离事先确认的设计，再盯接口契约和边界（空值、异常、并发、事务），然后跑单测，再做端到端的手工验证，最后交出去之后看日志和监控。单测通过远不等于可信——AI 写的测试常常和实现同源、断言偏弱（只断言「不抛异常」）、或者把真正出问题的那一段 mock 掉了，所以「AI 说测试全绿」之后至少要补三问：测试是谁写的、覆盖到哪些分支、断言够不够强。AI 改完代码单测反而挂了，先分辨是测试过时（行为契约确实变了，测试该改）还是实现引入了 bug，判断依据是需求与接口契约，不是哪边改起来便宜；实在分不清就把改动缩到最小重跑，绝不能为了让测试变绿去放宽断言。

减少幻觉靠的是流程而不是某个工具：把项目约定、目录结构和相关文件喂进上下文（只给相关文件，别整仓塞进去），要求它先读再写、先给设计方案再动手，接口签名、数据结构和影响面先跟自己核对一遍；用 lint、typecheck、测试当硬闸门，小步提交便于回滚。编码前审设计这一步不要跳过——方案错了，代码写得再漂亮都是返工，这也是面试官想听到的「人在环路里的位置」。

场景题三连：亿级流水查询、缓存一致性、敏感数据存储

1 亿条流水表只查最近一天，第一顺位是按天分区（或按时间范围分表），让查询落到单个分区，避免全表扫描；索引要能同时命中时间范围和过滤条件，字段尽量做成覆盖索引避免回表，只 select 需要的列并加 limit；写法上用时间区间比较，别把时间列包在函数里（date(created_at)=... 会直接让索引失效）；再往上就是预聚合与分层——近期数据留热表、历史数据归档到冷表或数仓，按天/按小时预汇总成统计表，大结果集翻页别用深 offset，读多写少的场景再考虑只读副本。如果这类查询是分析型的，换 ClickHouse / Doris 这类列存比在 MySQL 上硬扛更划算。

「先更新数据库再删缓存」在无并发读的情况下能收敛，但它不是强一致：读请求可能在删除前读到旧值并回填缓存、删除本身可能失败、主从延迟也会留下脏数据。延迟双删就是补这个窗口——更新数据库、删一次缓存，等一小段时间（要大于一次「读旧值 + 回填」的耗时，通常按几百毫秒估）再删一次，把并发回填的旧值清掉；代价是延迟不好精确估、逻辑也没那么好维护。更常用的加固是给缓存设 TTL 兜底、删除失败进重试队列，或者干脆用 binlog 订阅（Canal）异步删缓存，把一致性问题从业务代码里挪出去。

敏感数据要分类型处理。密码坚决不做可逆加密，用带盐的慢哈希（bcrypt / scrypt / Argon2），每个用户一个随机盐，盐和算法参数一起存进库里；校验时取出盐和哈希，用同一算法重算再恒定时间比较，全程不还原明文。身份证号不一样：它既需要校验、又常被要求回显和检索，所以走对称加密（如 AES-GCM）并把密钥交给 KMS 管理，需要等值查询时另存一列 HMAC 或哈希，展示时脱敏，同时配上访问审计和最小权限。两者存储方案不能互换——把身份证做成哈希就查不了，把密码做成可逆加密等于没加密。

前端请求竞态与 Linux 日志排查

「java 的响应先回、ja 的响应后回」是典型竞态，标准解法有三条：一是取消，fetch 用 AbortController（保存上一次的 controller，新请求发起前 abort 掉），axios 走 AbortController 或拦截器；二是丢弃，给每次请求打一个自增序号或时间戳，回调里只接受序号最大的那一次结果，或者只接受和当前输入框内容匹配的那个响应；三是减少请求，用防抖让它别每敲一个字符就发一次。取消并不总是来得及（服务端可能已经在处理、某些库也不支持中断），所以实践中「防抖 + 序号校验」是最稳的组合，取消只是省流量和省后端压力。第三条是根本判据，前两条是事后补救，答题时把「为什么取消不够」讲出来，深度就够了。

日志排查是最基础的动手题：看最新一段用 tail -n 200 app.log，实时跟进用 tail -f（日志会轮转就用 tail -F）；大文件不要 cat，用 less +G、grep -n 拿到行号再跳过去；实时过滤用 tail -f app.log | grep --line-buffered requestId 或 rg；已经知道 requestId 就直接 grep requestId app.log，多文件用 grep -rn，压缩归档用 zgrep，JSON 格式的日志配上 jq 按字段筛。真正的加分项是在回答里带出「日志要能按 traceId 串起整条链路」——这决定了排查是几分钟还是几小时，也是面试官在意的工程习惯。

Java、Python 基础与这一轮在筛什么

JDK 8 的默认收集器是 Parallel Scavenge + Parallel Old（即 Parallel GC），设计目标是吞吐量；G1 从 JDK 9 起才成为默认，JDK 8 里可以用 -XX:+UseG1GC 手动开启。final 有三个位置：修饰变量表示不可再赋值（引用不可变，但对象内部的属性照样能改）、修饰方法表示不能被子类重写、修饰类表示不能被继承；它的价值在于表达不可变意图、保护契约不被子类破坏，并配合 JMM 的 final 语义保证对象安全发布。所以 final 修饰集合后元素仍可增删，要真正不可变得用 Collections.unmodifiableList 或 List.of 包装一层。

Python 的 GIL 是 CPython 的全局解释器锁，同一进程同一时刻只有一个线程在执行字节码，作用是保护引用计数这类解释器内部状态、让实现简单。结果是 CPU 密集型的多线程拿不到并行加速，但 IO 密集仍然有效（IO 等待时会释放 GIL），要并行就上多进程、C 扩展或 numpy 这类会在计算时释放 GIL 的库。装饰器是接收函数并返回函数的高阶函数，用来挂日志、计时、鉴权、缓存这类横切逻辑，本质是 f = decorator(f)，带参数的装饰器多一层闭包，记得用 functools.wraps 保住原函数的元信息。生成器和迭代器的关系是：迭代器实现 __iter__ / __next__ 协议，生成器是造迭代器的语法糖（含 yield 的函数、生成器表达式），惰性求值、省内存、能暂停恢复，代价是只能消费一次。

这一轮的风格是广而浅：AI Coding 反复追问「你怎么确认它对」，后端三道场景题都要求讲权衡，前端和 Linux 考的是日常动手能力，Java 与 Python 只到基础概念。全栈岗尤其看知识面能不能自洽，准备时把简历上每个关键词准备到能往下讲两层，比背八股收益高得多。作者最后提到结果待通知——面试末尾问「还有哪些能力需要提升」是很好的复盘切入点，面试官的回答往往就是这个岗位真实的评价维度。