本轮 AI+Java中级开发面试题库（带答案）
生成时间：2026-05-24 21:22
【面试题】1. 大模型中的"幻觉"问题是什么？在AI应用落地中如何有效缓解？
【标准答案】幻觉问题指大模型生成看似合理但实际错误或虚构的内容。缓解方法主要有四种：一是RAG检索增强，让模型基于真实文档回答；二是提示词约束，明确要求"不知道就说不知道"；三是输出引用溯源，标注答案来源便于验证；四是后处理校验，用规则或小模型做事实核查。实际项目中，RAG+提示词约束组合使用效果最好，能将幻觉率降到15%以下。
【面试题】2. Java中ConcurrentHashMap是如何保证线程安全的？JDK1.7和1.8有什么区别？
【标准答案】ConcurrentHashMap通过分段锁机制保证线程安全。JDK1.7采用Segment分段锁，默认16个Segment，每个Segment继承ReentrantLock，锁粒度较粗。JDK1.8优化为CAS+synchronized，锁粒度细化到每个桶节点，并发度更高。具体来说：put时先CAS尝试插入，失败则用synchronized锁住当前桶的头节点；扩容时多线程协同，每个线程负责部分桶的迁移。性能上，1.8在高并发场景吞吐量提升约30%。
【面试题】3. 什么是RAG检索增强生成？相比直接调用大模型有哪些优势？
【标准答案】RAG是检索增强生成的缩写，核心流程是：用户提问→从向量数据库检索相关文档→将文档作为上下文喂给大模型→生成答案。优势有四点：一是知识时效性强，无需重新训练就能更新知识；二是答案可溯源，每个回答都能标注来源文档；三是成本可控，避免了昂贵的模型微调；四是减少幻觉，模型基于真实文档回答更准确。实际落地中，RAG是企业知识库问答的首选方案。
【面试题】4. Spring Boot的自动装配原理是什么？@EnableAutoConfiguration是如何工作的？
【标准答案】自动装配核心是约定优于配置。@EnableAutoConfiguration通过@Import导入AutoConfigurationImportSelector，它会扫描所有META-INF/spring.factories文件，加载EnableAutoConfiguration配置类。每个配置类配合@Configuration和@ConditionalOnXxx注解（如@ConditionalOnClass、@ConditionalOnMissingBean），根据类路径和已有Bean决定是否装配。比如DataSourceAutoConfiguration只在有数据源依赖且未自定义DataSource时才生效。理解这个原理，排查"为什么这个Bean没注入"就很快。
【面试题】5. 向量数据库的索引原理是什么？为什么用向量检索比关键词检索更适合语义搜索？
【标准答案】向量数据库核心是将文本转为向量，通过计算向量相似度找最相近的内容。主流索引算法有三类：一是暴力搜索（FLAT），精度高但慢；二是IVF倒排索引，先聚类再在类内搜索，平衡精度和速度；三是HNSW图索引，基于可导航小世界图，搜索性能最优。语义搜索胜在能理解同义表达，比如"汽车"和"轿车"关键词检索无交集，但向量检索因为语义相近能匹配。实际项目中，我们用HNSW索引，召回率能达到92%以上。
【面试题】6. JVM的垃圾收集器有哪些？CMS和G1有什么核心区别？
【标准答案】主流GC有Serial、Parallel、CMS、G1、ZGC。CMS和G1的区别：一是设计目标不同，CMS追求最短停顿时间，G1兼顾吞吐量和停顿时间；二是内存布局不同，CMS基于传统分代，G1将堆划分为多个大小相等的Region，不再物理隔离年轻代老年代；三是回收策略不同，CMS只能回收老年代，G1可以指定停顿时间目标，优先回收垃圾多的Region（Garbage First）。JDK9之后G1成为默认GC，停顿时间可控是其最大优势。
【面试题】7. 如何设计一个AI Agent？Agent的决策循环包含哪些步骤？
【标准答案】AI Agent的核心是感知-思考-行动循环。具体步骤：一是感知，接收用户输入或环境状态；二是推理，大模型分析当前任务，决定下一步行动；三是工具调用，根据推理结果选择工具执行（如搜索、查数据库、调用API）；四是观察，获取工具执行结果；五是循环，将观察结果反馈给模型继续推理，直到任务完成。技术栈上，用LangChain或Spring AI框架实现Agent最方便，框架封装了工具注册、提示词模板、记忆管理等能力。
【面试题】8. MySQL索引失效的常见场景有哪些？如何避免？
【标准答案】索引失效常见场景：一是查询条件对索引列做函数操作，如WHERE YEAR(create_time)=2024；二是隐式类型转换，字符串索引用数字查询；三是LIKE以%开头，如LIKE '%abc'；四是OR条件中非索引列存在；五是联合索引不满足最左前缀；六是SELECT *导致回表成本高，优化器可能选择全表扫描。避免方法：查询条件尽量使用索引列原值；联合索引按最左前缀使用；用覆盖索引减少回表；定期分析执行计划，用EXPLAIN检查type和key字段。
【面试题】9. 提示词工程中，什么是思维链（Chain of Thought）？在什么场景下使用效果最好？
【标准答案】思维链是让大模型一步步推理的提示词技术。核心是在提示词中加一句"请一步步思考"或给出推理范例，引导模型展示推理过程而非直接给答案。效果最好的场景：一是数学推理题，分步计算减少错误；二是复杂逻辑判断，拆解问题避免遗漏；三是多条件决策，逐条分析更全面。实测在GSM8K数学数据集上，使用思维链能将准确率从17%提升到58%。关键是提示词要给出推理范例，让模型理解你想看到思考过程。
【面试题】10. Redis实现分布式锁的方案有哪些？Redisson的看门狗机制解决什么问题？
【标准答案】分布式锁方案有三种：一是SETNX+EXPIRE，简单但加锁和设置过期时间非原子，可能死锁；二是SET NX EX原子命令，解决了原子性问题；三是Redisson框架，最完善。Redisson的看门狗机制解决锁过期释放问题：业务执行时间超过锁过期时间，传统方案锁会被其他线程抢占。看门狗机制会在锁快过期时自动续期（默认30秒续期一次），业务执行完才释放。使用时直接lock()即可，不需要手动设置过期时间，Redisson自动管理锁生命周期。