程序员面试专题库

幂等不是简单防重复点击，而是用业务唯一键和状态机保证重复请求、重试和回调都不会把状态改坏。

AI 项目要从模型效果走向业务闭环，能说明指标、反馈、坏例、迭代和监控，才像真实上线系统。

结构化输出不是让模型“按 JSON 返回”这么简单，后端必须承担解析、校验、重试、降级和审计。

Agent 记忆的核心不是保存更多聊天记录，而是管理当前任务状态、长期偏好、权限边界和可删除能力。

数据库题要把读路径和写路径分开讲：索引解决查询效率，事务和状态机解决写入一致性。

MQ 不是把请求丢出去就结束，真正难点在消息可靠、消费幂等、状态补偿和堆积恢复。

JVM 题的高分点不在背参数，而在能把内存、GC、线程和线上证据串成排查链路。

项目面不是复述做过什么，而是证明每个技术选择、数据规模、异常处理和上线结果都经得起追问。

AI 后端不能只关注回答质量，模型调用的超时、失败、成本和降级策略同样决定项目是否能上线。

epoll、线程池、连接池这些概念最终都要落到线上排查：请求为什么卡住，资源在哪里耗尽。

金融科技后端题常把 Java 基础和业务一致性结合起来，候选人要能说明数据正确性、审计和失败补偿。

RAG 的评估不能只看召回率，要看证据是否可答、答案是否基于证据、坏例能否持续减少。