本轮 AI+Java中级开发面试题库（带答案）
【面试题】1. 大模型推理时KV Cache的作用是什么？如果没有它，自回归生成会有什么问题？
【标准答案】KV Cache是大模型推理加速的核心机制。自回归生成时，每生成一个token都要对前面所有token做Attention，如果没有KV Cache，每一步都要重新计算前面所有token的Key和Value矩阵，复杂度是O(n²)。有了KV Cache，把已算过的Key、Value缓存下来，每步只算新token的Q去和缓存的KV做Attention，复杂度降到O(n)。实际推理中KV Cache能带来3-5倍的加速，是推理服务能否上线的生命线。但它的代价是显存占用随序列长度线性增长，所以长上下文场景下要做KV Cache量化或PagedAttention等优化。
【面试题】2. 提示词工程中，Chain-of-Thought和Tree-of-Thought有什么区别？分别适合什么场景？
【标准答案】CoT是让模型"一步一步想"，把推理链路线性展开，适合数学计算、逻辑推理这类有明确递进路径的问题。ToT是把推理过程组织成树状结构，每一步生成多个候选分支，然后评估筛选，选最优路径继续往下走，适合需要回溯和探索的场景，比如创意规划、多步决策、游戏策略。打个比方：CoT是走迷宫只往一条路走到底，ToT是在岔路口都试试再选最好的那条。实际项目中，CoT用得多因为成本低、效果好；ToT效果好但token消耗大，一般在关键决策节点才用。
【面试题】3. RAG系统中向量检索的Top-K结果不理想，你会从哪些方面优化？
【标准答案】我会分四层排查优化。第一层，Embedding模型——换更强的模型或针对领域微调，通用模型在专业领域语义对齐差。第二层，Chunk策略——调整切分粒度和重叠度，太长会稀释关键信息，太短丢失上下文，加语义切分比固定长度效果好。第三层，检索策略——混合检索（向量+关键词BM25）比纯向量检索更稳，加Rerank重排序把真正相关的推到前面。第四层，Query优化——做Query改写或HyDE（让模型先假设一个答案再检索），把模糊问题变成精确检索词。实际经验看，Rerank和混合检索是性价比最高的两步优化。
【面试题】4. Spring AI中如何实现一个多轮对话的ChatClient？和直接调用大模型API有什么本质区别？
【标准答案】Spring AI的ChatClient封装了对话历史管理、Prompt模板、输出解析等能力。核心是ChatMemory机制，自动维护会话上下文窗口——你不用手动拼接history，ChatClient每次调用自动把历史消息塞进请求。直接调API的话，你得自己管理消息列表、手动截断超长上下文、处理流式响应的拼接。Spring AI还支持Advisor拦截器模式，可以在请求前后插入日志、限流、内容审核等逻辑，类似Spring MVC的Filter。本质区别：调API是"裸调"，Spring AI是"工程化封装"，生产环境必须用后者，否则对话管理、异常处理、可观测性全是坑。
【面试题】5. AI Agent的ReAct框架中，"思考-行动-观察"循环的终止条件怎么设计？如何避免死循环？
【标准答案】终止条件设计三种。第一，最大步数限制——设硬上限比如10步，到数强制停止并输出已有结论，这是兜底。第二，目标达成检测——在Prompt中明确告诉Agent"当你能回答用户问题时直接输出Final Answer"，通过输出格式约束来判断，比如检测到"Final Answer:"字段就终止。第三，观察无变化检测——连续两步Observation相同或相似度超过阈值，说明陷入循环，强制退出。避免死循环的关键：每步Action必须产生新信息或改变状态，禁止重复调用同一Tool且参数相同。实际项目中，最大步数兜底是必须的，因为LLM的输出不可控。
【面试题】6. Java线程池的核心参数有哪些？如何根据业务场景合理设置？
【标准答案】ThreadPoolExecutor七个核心参数：corePoolSize（核心线程数）、maximumPoolSize（最大线程数）、keepAliveTime（非核心线程空闲存活时间）、unit（时间单位）、workQueue（任务队列）、threadFactory（线程工厂）、handler（拒绝策略）。设置原则：CPU密集型任务，核心线程数设为CPU核数+1；IO密集型任务，设为CPU核数×2或用公式 N×(1+WT/ST)，WT是等待时间ST是计算时间。任务队列选型：有界队列防OOM，LinkedBlockingQueue默认无界很危险。拒绝策略：生产环境不建议用默认AbortPolicy，一般用CallerRunsPolicy让调用线程自己跑，起到削峰作用。关键是监控——上线后必须观察队列积压和线程利用率再调。
【面试题】7. Spring Boot自动装配的原理是什么？如何自定义一个Starter？
【标准答案】核心是@EnableAutoConfiguration注解，它通过SpringFactoriesLoader扫描所有jar包META-INF/spring.factories（Spring Boot 3.x改为META-INF/spring/org.springframework.boot.autoconfigure.AutoConfiguration.imports），加载AutoConfiguration类。每个AutoConfiguration类用@Conditional系列注解做条件判断，满足才装配。自定义Starter三步：第一步，写自动配置类，用@ConditionalOnClass、@ConditionalOnMissingBean等条件注解；第二步，在META-INF/spring.factories里注册配置类；第三步，提供默认配置属性类用@ConfigurationProperties。命名规范：官方spring-boot-starter-xxx，第三方xxx-spring-boot-starter。关键是@ConditionalOnMissingBean，让用户可以覆盖默认Bean。
【面试题】8. MySQL中索引失效的常见场景有哪些？如何用EXPLAIN分析？
【标准答案】常见失效场景：1）对索引列使用函数或运算，如WHERE YEAR(create_time)=2024；2）隐式类型转换，varchar列用数字查；3）LIKE以通配符开头，LIKE '%abc'；4）OR条件中有一列无索引；5）联合索引不满足最左前缀原则；6）查询条件用NOT IN、!=、IS NOT NULL；7）优化器判断全表扫描更快（数据量小时常见）。用EXPLAIN分析：重点看type列（const>eq_ref>ref>range>index>ALL，ALL就是全表扫描），key列看用了哪个索引，rows列看预估扫描行数，Extra列看是否有Using filesort或Using temporary（出现就是危险信号）。实际优化时，加索引前先EXPLAIN确认确实走不上索引，加完再EXPLAIN验证。
【面试题】9. Redis分布式锁用SETNX实现有什么问题？RedLock算法解决了什么，又引入了什么新问题？
【标准答案】基础SETNX+EXPIRE有两个经典问题：1）非原子性——SETNX成功但EXPIRE没执行，死锁。解决：用SET key value EX NX原子命令。2）误删——客户端A锁过期自动释放，客户端B加锁成功，A回来执行DEL把B的锁删了。解决：value用唯一标识，删锁时Lua脚本先比较再删。RedLock在多个独立Redis实例上同时加锁，过半成功才算获取锁，解决了单节点故障问题。但RedLock引入新问题：1）时钟漂移——不同节点时钟不同步可能导致锁提前释放；2）网络分区下仍可能两个客户端同时持有锁；3）性能开销大，要和5个节点通信。Martin Kleppmann专门写文批评RedLock，建议用单实例+可靠租约，或直接用ZooKeeper/etcd。
【面试题】10. 微服务下分布式事务的Saga模式怎么实现？和2PC相比各自的适用场景？
【标准答案】Saga把长事务拆成多个本地事务，每个本地事务完成后发事件触发下一个，如果某步失败就执行补偿事务回滚。两种实现：编排式（Choreography）——纯事件驱动，服务间无中心协调，松耦合但流程不直观，调式难；编排式（Orchestration）——有中心协调器控制流程，逻辑清晰但协调器是单点。和2PC对比：2PC强一致性，锁资源时间长，适合短事务、一致性要求高的场景如金融转账；Saga最终一致性，无锁等待，适合长事务如订单流程（下单→扣库存→支付→发货）。实际选型：电商订单用Saga，银行转账用2PC或TCC。Spring Cloud里Seata支持Saga和TCC两种模式，看业务选。