本轮 AI+Java中级开发面试题库（带答案）
生成时间：2026-05-20 23:17
【面试题】1. Transformer中Self-Attention的计算复杂度是多少？在实际大模型推理中如何优化？
【标准答案】Self-Attention的计算复杂度是O(n²·d)，其中n是序列长度，d是向量维度。n²来源于每个token要与所有token计算注意力分数。实际优化主要几个方向：一是KV Cache，推理时缓存已算出的Key和Value矩阵，避免重复计算，这是最基础也最有效的手段；二是Flash Attention，通过分块计算减少HBM读写次数，实际推理速度提升2-4倍；三是MQA/GQA，多查询注意力让多个Head共享一组KV，减少KV Cache显存占用；四是PagedAttention（vLLM），把KV Cache分页管理，解决显存碎片问题，提升并发吞吐。面试时重点说清KV Cache原理+Flash Attention思路就够了。
【面试题】2. ConcurrentHashMap在JDK 1.7和1.8中的实现有什么区别？1.8中size()方法怎么保证准确？
【标准答案】JDK 1.7用Segment分段锁，整个Map分成16个Segment，每个Segment继承ReentrantLock，锁粒度是Segment级别。1.8抛弃了Segment，改用Node数组+cas+synchronized，锁粒度降到单个桶（数组元素），并发度从固定16提升到数组长度。put时先尝试cas写入空桶，失败再用synchronized锁住头节点，效率更高。1.8的size()方法用的是LongAdder思路——先尝试不加锁累加baseCount和CounterCell数组，如果前后两次结果一致就返回，不一致再锁所有段精确统计。大多数情况下无锁就能拿到准确值，性能很好。
【面试题】3. RAG系统中检索到的文档和用户问题相关度不高怎么解决？请说出至少3种方案。
【标准答案】这是RAG落地的核心痛点。第一种：优化Embedding模型，用领域数据微调Embedding，或者换更强的模型如bge-large-zh-v1.5，领域内召回率提升明显。第二种：加HyDE（Hypothetical Document Embedding），先让LLM根据问题生成假设性答案，再用假设答案去检索，因为假设答案和真实文档的语义空间更接近。第三种：混合检索，向量检索+BM25关键词检索取并集再Rerank，关键词检索能兜底精确匹配场景。第四种：加Reranking层，用Cross-Encoder对初筛结果重排序，Top-K精度显著提升。第五种：优化Chunk策略，别无脑按固定字数切，按语义段落切，加overlap，保证上下文完整性。实际项目建议组合使用：混合检索+Rerank是最常见的有效组合。
【面试题】4. JVM中一次完整的GC流程是怎样的？什么情况下会触发Full GC？
【标准答案】JVM默认分代收集。新对象分配在Eden区，Eden满触发Minor GC（YGC），存活对象复制到Survivor区，年龄+1，达到阈值（默认15）晋升老年代。老年代空间不足时触发Major GC/Full GC。触发Full GC的典型场景：一是老年代空间不足，大对象直接进老年代或长期存活对象撑满；二是System.gc()被调用（建议但不强制）；三是元空间（Metaspace）不足；四是新生代晋升时老年代放不下（Promotion Failure）；五是CMS GC时出现Concurrent Mode Failure（并发标记期间老年代满了，退化为Serial Old）。面试重点说清分代逻辑和Full GC触发条件，顺便提一下避免Full GC的思路：调大新生代、减少大对象分配、避免内存泄漏。
【面试题】5. Spring AI中如何实现一个多轮对话的ChatClient？对话历史怎么管理？
【标准答案】Spring AI的ChatClient支持ChatMemory管理对话上下文。核心用法：先创建ChatClient.builder(chatModel).build()，然后通过.advisor(new MessageChatMemoryAdvisor(chatMemory))注入记忆。ChatMemory有几种实现：InMemoryChatMemory适合单机开发测试；RedisChatMemory适合生产环境分布式部署。多轮对话的关键是每次请求把之前的消息列表带上，MessageChatMemoryAdvisor自动从ChatMemory中取历史消息拼接到Prompt里。注意Token上限问题，历史消息太长要截断，可以设maxMessages限制保留最近N轮，或者用摘要压缩策略。生产中还要注意多用户隔离，每个用户/会话用不同的conversationId。
【面试题】6. Redis分布式锁用SETNX实现有什么问题？Redisson是怎么解决的？
【标准答案】裸SETNX有几个经典问题：一是锁过期但业务没执行完，锁被别人拿到导致并发问题；二是客户端宕机锁无法释放造成死锁（加过期时间可解决但引入问题一）；三是集群主从切换时锁丢失，主节点加锁后未同步到从就宕机，从升主后锁丢失。Redisson的解决方案：针对问题一，Redisson用看门狗（Watchdog）机制，默认锁30秒，后台线程每10秒（1/3时间）自动续期，业务没完成锁不会过期；针对问题三，Redisson有RedLock算法，向多个独立Redis实例加锁，多数成功才算获取锁。实际项目中推荐直接用Redisson的RLock，别手写SETNX。RedLock在实际中用得少，因为延迟高且争议大，单实例Redisson够用。
【面试题】7. 什么是AI Agent？它和普通的LLM调用有什么本质区别？
【标准答案】普通LLM调用是单次请求-响应，模型只负责生成文本，没有自主行动能力。AI Agent的核心区别是有自主决策和行动的循环：感知→规划→行动→观察→再规划，直到任务完成。关键组件：一是Tools/工具调用，Agent能调用搜索引擎、数据库、API等外部工具获取信息或执行操作；二是Memory，短期记忆（对话上下文）和长期记忆（向量库中的知识）；三是Planning，能拆解复杂任务为子步骤，ReAct框架就是经典实现——Reasoning+Acting交替进行；四是自主性，Agent自己判断下一步做什么，不需要人每步指挥。举个实际例子：用户说"帮我分析竞品"，普通LLM只能给分析框架，Agent会自己搜索竞品信息→提取数据→生成报告→保存文档，全程自主完成。
【面试题】8. MySQL中什么情况下索引会失效？列举至少5种常见场景。
【标准答案】索引失效是SQL优化的核心考点。常见场景：一，最左前缀原则违反，联合索引(a,b,c)查b或c不走索引；二，对索引列做函数运算，如WHERE YEAR(create_time)=2024，create_time索引失效，应改范围查询；三，隐式类型转换，varchar列用int查如WHERE phone=13800000000，MySQL会转列值导致索引失效；四，LIKE以通配符开头，如LIKE '%abc'不走索引，'abc%'可以；五，OR条件中有无索引列，如WHERE indexed_col=1 OR non_indexed=2，整个条件索引失效；六，NOT IN、NOT EXISTS、!=在某些场景下优化器判断全表扫描更快时放弃索引；七，数据量太小或区分度太低（如性别字段），优化器觉得全表扫更快直接不走。面试时重点说前五种，再补一句：用EXPLAIN看执行计划最靠谱。
【面试题】9. 提示词工程中Chain-of-Thought（CoT）和Few-Shot分别是什么？在什么场景下选择哪种？
【标准答案】CoT是在Prompt中引导模型逐步推理，典型方式是加"请一步步思考"或给出推理示例让模型模仿推理过程。CoT适用于需要多步推理的任务：数学计算、逻辑推理、复杂分析，效果提升显著，GSM8K上准确率可以从17%提到58%。Few-Shot是给几个输入输出示例让模型理解任务格式和风格，适用于输出格式固定、任务模式明确的场景，如文本分类、信息提取、格式转换。两者可以组合使用：Few-Shot CoT，给几个带推理过程的示例，效果最好。选择建议：简单格式化任务用Few-Shot就够了，复杂推理任务必须CoT，最强方案是Few-Shot+CoT组合。另外Zero-Shot CoT（只加"Let's think step by step"）也有不错效果，适合不想构造示例的快速场景。
【面试题】10. Kafka如何保证消息不丢失？从Producer、Broker、Consumer三个角度说明。
【标准答案】Producer端：设置acks=all（或-1），确保消息写入所有ISR副本才返回成功；配合retries和retry.backoff.ms做重试；启用幂等性enable.idempotence=true防止重试导致重复。Broker端：min.insync.replicas=2，至少2个副本确认才算写入成功，配合acks=all形成双保险；unclean.leader.election.enable=false，禁止非ISR副本成为Leader，防止数据丢失；replication.factor≥3保证副本冗余。Consumer端：关闭自动提交enable.auto.commit=false，业务处理完成后再手动提交offset；用幂等消费或去重表防止重复消费。面试重点说清三者配合：Producer的acks=all+Broker的min.insync.replicas是核心防线，Consumer的手动提交是兜底。三者缺一不可。