2596 字
13 分钟
航旅纵横 · 一面面经
面试日期:10 月 16 日。岗位名称、面试结果未记录。
这篇面经根据本人的回答转写与补充回忆整理,题意经本人核对。面试从 Java 基础开始,随后围绕实习中的 Agent 评测平台、自动定时评测和 Tool Mock 深挖,最后交流 AI 辅助开发的使用方式。
一、自我介绍与技术栈
- 请做一下自我介绍,介绍实习经历与主要工作。
- 当时回答:主要技术方向为 Java 后端和 Agent 应用开发。在滴滴国际化业务部门参与 Agent 评测平台,介绍了自动定时评测和 Tool Mock 两项工作;现场自述两项需求主要由自己设计完成,并完成产品验收和上线。
- Java 和 Go 哪个更熟悉?实习前是否学过 Go?
- 当时回答:更熟悉 Java。实习前没有学过 Go,因平台开发需要,先了解了基础语法。
二、Java 集合与 JVM
- Java 中
==和equals有什么区别?- 当时回答:对象引用使用
==时比较地址,equals可以通过相应实现进行值比较。
- 当时回答:对象引用使用
- 方法重载与重写有什么区别?怎样判断方法是否构成重载?
- 当时回答:重载是在同一个类中,同名方法通过不同入参提供不同实现;重写涉及子类对父类方法的重新实现。进一步解释重载时提到了参数数量、参数类型和“返回参数”,当时表述不够清楚。
- ArrayList 和 LinkedList 的底层结构及适用场景有什么区别?
- 当时回答:ArrayList 基于数组,LinkedList 基于链表。从查找、插入和元素移动的角度比较,认为数组查找更快、对二分查找支持更好,链表插入不需要移动后续元素。现场主要停留在这些概括,没有进一步区分具体操作条件。
- 是否了解 ConcurrentHashMap?
- 当时回答:只是大概听说过,理解为适合并发处理的 Map,没有深入展开。
- JVM 的运行时内存区域有哪些,分别存放什么?
- 当时回答:提到了程序计数器、栈、堆和方法区,解释栈帧对应一次方法调用,方法区保存类相关信息。描述堆时提到了“全局变量、对象相关信息”,其余区域一时没有想起来。
- JVM 中哪些区域线程私有,哪些线程共享?
- 当时回答:栈和程序计数器线程私有,堆与方法区线程共享,没有完整展开其他区域。
- JVM 不同内存区域中,哪个不容易发生 OOM?为什么?
- 当时回答:选择程序计数器,认为它主要记录当前执行位置,是比较具体且受程序控制的值;与调用过多导致栈溢出、类加载较多的情况作了对照。现场解释仍带有“不太可能”的不确定语气。
三、Agent 评测平台与业务背景
- 你对哪些实习或项目经历更熟悉?
- 当时回答:实习发生得较近,对其中的 Agent 项目更熟悉。
- 线上 Trace 是什么,包含哪些数据?
- 当时回答:记录一次 Agent 运行过程,包括输入输出、大模型生成的文本、工具调用请求和结果,以及 RAG 检索请求和结果,以 JSON 形式组织。
- 之前如何获取、筛选 Trace?自动定时评测如何改变这个流程?
- 当时回答:业务 Agent 接入 Langfuse 收集 Trace,评测平台再同步这些记录。之前由人工挑选表现不好的 Trace 加入测试集;自动定时评测按时间窗口收集 Trace,评分后归集低分 case。
- 自动定时评测有什么业务价值?相比人工筛选,为什么要这样做?
- 当时回答:面对大量历史 Trace,先让较信任的大模型粗筛,再由人工进一步筛选低分 case,希望减少逐条查看的人工成本。自动流程主要包括收集、评分和低分归集。
四、消息队列、异步任务与幂等
- 是否用过或了解 RocketMQ 等消息队列?DDMQ 是怎样工作的?
- 当时回答:被问及的其他消息队列没有用过,只介绍了实习中使用 DDMQ 的理解。另一种被问及的消息队列名称未记录。
- 任务持久化、消息队列和 Worker 如何配合完成任务派发与申领?
- 当时回答:任务内容和状态保存在数据库中,消息主要携带任务 ID。任务中间件先创建记录,再通过 DDMQ 派发;Worker 获取 ID 后,通过中间件完成任务申领。
- 自动定时评测的完整执行流程是什么?如何解决重复触发和多 Worker 并发申领?
- 当时回答:配置定时任务并保存,外部类似 cron 的平台每分钟调用接口,检查到期计划并创建执行,之后依次收集 Trace、评分、归集低分 case。
- 重复触发:以“任务 ID+计划时间”建立联合唯一索引,避免同一计划时间重复创建执行记录。
- 并发申领:使用 CAS 思想,按预期前置状态进行条件更新;已被其他 Worker 申领的任务,不再满足更新条件。
- revision 和 CAS 是否需要同时使用?只用其中一个能否完成状态迁移或并发控制?
- 当时回答:没有解释清楚,表示需要下去再思考。
- 任务失败、消息补发和异步状态收敛如何处理?重试如何保证幂等?
- 当时回答:在时间和重试次数限制内尝试补发;扫描实际工作状态,发现评分已结束但记录仍在执行中时,推进到低分归集阶段。也提到重试需要设计幂等性。
- MongoDB 用的是集群还是单点部署?
- 当时回答:印象中似乎是单点,没有给出确定的部署信息。
- 如何保证幂等性?幂等键如何设计?
- 当时回答:使用“任务 ID+计划时间”区分每次执行。同一天同一计划时间多次重试只创建一条执行记录,第二天的同一时刻则对应另一条记录。
- MongoDB 中如何实现“存在则返回已有记录,不存在则创建”?怎样防止重复创建?
- 当时回答:模糊描述了已有记录则返回、没有则创建的能力,强调仍需幂等键;没有说明具体接口和完整实现细节。
五、Tool Mock 与评测重放
- Tool Mock 服务解决什么问题?如何匹配返回结果,Mock 数据从哪里来?
- 当时回答:评测重放时,用历史工具调用结果替代真实工具调用,以保证评测可重复。依据数据集 ID、case ID、工具及入参匹配结果;素材从历史 Trace 中提取。
- 线上评测与离线评测有什么区别?Tool Mock 用于哪种场景?
- 当时回答:线上评测直接对已有真实 Trace 评分;离线评测把测试集输入重新交给业务 Agent,获得新的运行结果后再评分。Tool Mock 用于离线重放。
- 业务 Agent 如何接入 Tool Mock?如何选择真实工具、平台 Mock 和业务自建 Mock?
- 当时回答:需要业务 Agent 改造工具调用,根据请求中的信息和平台配置,选择真实工具、平台提供的 Tool Mock 或业务方自建 Mock,没有展开具体接入协议。
- Mock 匹配失败怎么办?有没有降级策略,会回退调用真实工具吗?
- 当时回答:没有匹配到历史结果时,返回 Mock 失败及其原因,不回退调用真实工具。当时没有进一步的降级策略。
六、实习困难与 AI 辅助开发
- 实习遇到过什么困难,如何解决?怎样与同事沟通、反馈进度?
- 当时回答:曾低估需求工作量,认为有 AI 辅助就能较快完成,承诺周五上线,实际推进时才发现业务理解和实现细节上有很多问题。之后增加投入,借助 AI 理解平台,并向同事核对业务、技术方案和问题排查方向。
- 现场复盘:早期与同事沟通较少,后来意识到应及时反馈进度和卡点,让同事了解当前状态并提供帮助。
- 平时使用哪些 AI Coding 工具?
- 当时回答:最近使用 Codex 较多,实习期间也尝试过其他编程工具,会关注和试用不同工具。其余工具名称未完整记录。
- 面对新项目,如何借助 AI 理解项目和代码?
- 当时回答:先让 AI 介绍整体功能和主要模块,建立初步认识;再聚焦需要实现需求的模块,一边听讲解,一边对照源码逐步理解。
- 使用或编写过 Skill 和 MCP 吗?用它们做过什么?
- 当时回答:将秋招期间整理面经、上传博客等固定工作流做成 Skill,减少重复说明工具与步骤。MCP 更多由 AI 根据任务推荐使用,自己主动指定得较少,也没有编写过 MCP 服务。
七、反问
- 团队主要做哪些技术工作,入职需要哪些技术能力?
- 面试官答复(本人补充回忆):使用 Java 相关技术栈,具体框架未记录。
- 团队如何使用 AI Coding?有没有 Spec 等可供学习的工作范式?
- 面试官答复(本人补充回忆):会依据项目和技术栈创建 Skill,沉淀项目知识,方便后续 AI Coding。交流中未提及使用 Spec。
八、整理建议
后续可重点复习重载与重写、集合操作条件、JVM 各内存区域及 OOM 的区别。项目部分可以再练习 revision、状态条件更新和幂等键分别解决什么问题,并用一次重复触发、一次并发申领和一次失败重试串起执行过程。
航旅纵横 · 一面面经
https://example.com/posts/umetrip-round-1/