本轮 AI+Java中级开发面试题库（带答案）
生成时间：2026-05-22 22:01
【面试题】1. 什么是RAG？它解决了大模型的什么问题？
【标准答案】RAG是检索增强生成，核心思路是"先检索、再生成"。它主要解决大模型的两个痛点：一是知识时效性问题，大模型训练后就固化了，不知道新发生的事；二是幻觉问题，让它凭空回答容易编造。RAG的做法是把外部知识向量化存进向量库，用户提问时先检索相关文档片段，把这些片段作为上下文一起喂给大模型，让它基于真实资料回答。这样既保证了知识的可更新性，又大幅减少了胡说八道的情况。实际项目中，我会用LangChain或Spring AI快速搭建RAG pipeline，配合Milvus或Pinecone做向量存储。
【面试题】2. Java中HashMap的扩容机制是怎样的？
【标准答案】HashMap默认初始容量16，负载因子0.75，当元素个数超过容量×负载因子（即12）时触发扩容。扩容时容量翻倍，然后重新计算每个元素在新数组中的位置。JDK1.8做了优化，扩容时元素的新位置要么是原索引，要么是原索引+原容量，利用了扩容后容量是2的幂次方这个特性，避免了重新计算hash。扩容是性能敏感操作，如果预先知道数据量，建议在创建时就指定合适的容量，避免频繁扩容。另外，JDK1.8后链表长度超过8且数组长度超过64时，链表会转成红黑树，提升查询效率。
【面试题】3. 提示词工程中有哪些常用技巧？
【标准答案】常用的有这几招：一是角色设定，让AI扮演专家角色，比如"你是一个资深Java架构师"；二是少样本学习，给几个示例让它模仿；三是思维链CoT，让它"一步步思考"，把复杂问题拆解；四是结构化输出，指定输出格式如JSON或表格；五是任务分解，把大任务拆成多个小prompt串行或并行执行。实际项目中，我会把这些技巧组合使用，比如先设定角色，再给示例，最后要求结构化输出。还有就是迭代优化，根据输出结果不断调整prompt。
【面试题】4. 说一下JVM的垃圾回收算法有哪些？
【标准答案】主要有四种：标记-清除，先标记存活对象再清除，缺点是会产生内存碎片；标记-整理，标记后把存活对象���到一端，解决了碎片问题但移动成本高；复制算法，把内存分两块，用一块，满了把存活对象复制到另一块，适合新生代但浪费一半空间；分代收集，结合多种算法，新生代用复制（Eden+Survivor），老年代用标记-清除或标记-整理。现在主流的G1和ZGC都是在这些基础上的优化，G1把堆分成多个Region，可以预测停顿时间；ZGC是并发整理，停顿时间控制在10ms以内。
【面试题】5. 什么是AI Agent？它和普通的AI应用有什么区别？
【标准答案】AI Agent是能自主规划、决策、执行任务的智能体，核心特征是"自主性"和"工具使用能力"。普通AI应用是被动响应，你问它答；Agent是主动执行，你给目标，它自己拆解任务、调用工具、迭代优化。举个例子，普通AI回答"帮我订张机票"，它只会告诉你怎么订；而Agent会主动去查航班、比价、甚至完成下单。技术栈上，Agent会用到ReAct框架（推理+行动）、记忆系统（短期记忆+长期记忆）、工具调用（搜索、API、数据库查询）。Spring AI和LangChain都提供了Agent开发支持，可以快速构建具备规划、执行、反思能力的智能体。
【面试题】6. Spring Boot的自动装配原理是什么？
【标准答案】Spring Boot自动装配的核心是@SpringBootApplication注解，它里面有个@EnableAutoConfiguration。这个注解会导入AutoConfigurationImportSelector，它会扫描类路径下所有META-INF/spring.factories文件（Spring Boot 2.7后也支持META-INF/spring/org.springframework.boot.autoconfigure.AutoConfiguration.imports文件），把里面配置的自动配置类加载进来。这些配置类上有@Conditional系列注解，根据条件决定是否生效。比如@ConditionalOnClass检查类路径是否有某个类，@ConditionalOnMissingBean检查容器里是否已有该Bean。这就是为什么引入starter依赖就能自动配置，因为starter里既有依赖jar包又有spring.factories配置。
【面试题】7. 向量数据库的索引类型有哪些？各有什么特点？
【标准答案】向量数据库的索引主要分几类：一是暴力搜索FLAT，精确但慢，适合小数据量；二是IVF倒排索引，先聚类再在每个簇里搜索，速度和精度的平衡选择；三是HNSW图索引，基于可导航小世界图，查询速度快，构建时间长，内存占用高；四是PQ量化索引，压缩向量存储，适合海量数据但精度有损失；五是LSH局部敏感哈希，用哈希函数把相似向量映射到相同桶，速度快但精度不稳定。实际选型时，小数据量用FLAT或HNSW，大数据量用IVF或PQ。Milvus支持多种索引类型，可以根据场景灵活选择。
【面试题】8. MySQL索引失效的场景有哪些？
【标准答案】常见的有：索引列参与运算或函数，比如WHERE YEAR(create_time) = 2024；LIKE以通配符开头，比如LIKE '%abc'；OR条件中有一列没索引；索引列使用了NOT、!=、<>等否定操作符；索引列参与类型转换，比如字符串字段用数字比较；复合索引没遵守最左前缀原则；索引列用了IS NULL或IS NOT NULL（视情况而定）。还有就是索引选择性太差，比如性别字段只有两个值，优化器可能觉得全表扫描更快。优化时要养成看执行计划的习惯，用EXPLAIN分析是否真正用上了索引。
【面试题】9. 大模型微调有哪些方法？什么场景需要微调？
【标准答案】微调方法分几类：全量微调，更新所有参数，效果好但成本高；参数高效微调PEFT，只训练少量参数，代表是LoRA和QLoRA；指令微调，用指令-回复对训练，让模型学会遵循指令；RLHF人类反馈强化学习，用人类偏好数据训练奖励模型再优化。需要微调的场景：一是领域适配，让通用模型懂特定行业术语和知识；二是风格定制，让模型输出符合品牌调性；三是任务优化，让模型在特定任务上表现更好。如果���是改变输出格式或增加知识，优先考虑RAG或提示词工程，微调是重武器，成本高，要权衡投入产出。
【面试题】10. Redis分布式锁如何实现？有什么注意事项？
【标准答案】Redis分布式锁通常用SET命令配合NX和EX参数实现：SET lock_key unique_value NX EX 30。NX保证只有不存在时才设置成功，EX设置过期时间防止死锁。释放锁时要用Lua脚本保证原子性：判断锁的值是否等于自己的唯一标识，是则删除，否则不动。这样防止误删别人的锁。注意事项：一是过期时间要合理，太短任务没跑完锁就没了，太长宕机后锁释放慢；二是如果业务要求强一致性，要考虑Redis主从切换导致的锁丢失问题，可以用RedLock算法或换ZooKeeper；三是锁重入问题，同一个线程多次获取同一把锁要支持，可以在value里记计数。实际项目用Redisson库，它封装了这些细节。