工作知识库

Appearance

AI+Java中级开发面试题库 ​

生成时间: 2026-05-24 22:14 (Asia/Shanghai) 题目数量: 10道 题目类型: AI方向5道 + Java中级方向5道

本轮 AI+Java中级开发面试题库（带答案） ​

【面试题】1. 请解释大语言模型中的"幻觉"现象，在实际项目中如何有效降低幻觉？ ​

【标准答案】幻觉是指模型生成看似合理但实际错误或虚构的内容。主要原因包括训练数据噪声、模型过度泛化、缺乏事实校验。降低幻觉的实用方法：第一，RAG检索增强，用真实知识库约束生成；第二，提示词中明确要求"不知道就说不知道"；第三，温度参数调低（如0.3），减少随机性；第四，后处理校验层，用规则或小模型做事实核查；第五，Few-shot示例引导模型输出风格。生产环境必须有人工审核或自动校验机制，不能完全信任生成内容。

【面试题】2. HashMap在多线程环境下会出现什么问题？ConcurrentHashMap是如何解决的？ ​

【标准答案】HashMap多线程问题：第一，JDK1.7扩容时可能死循环（链表环）；第二，数据丢失，多个线程同时put覆盖；第三，size计算不准。ConcurrentHashMap解决方案：JDK1.7用分段锁（Segment数组），每段独立加锁，并发度=Segment数；JDK1.8改用CAS+synchronized锁单个桶节点，粒度更细，并发度更高。核心优化：第一，读操作无锁，volatile保证可见性；第二，写操作只锁当前桶，不影响其他桶；第三，扩容时多线程协同迁移，用sizeCtl控制。面试加分点：能说清CAS自旋失败后升级为synchronized。

【面试题】3. RAG系统中，为什么需要Chunk分割？常见的Chunk策略有哪些，各适用什么场景？ ​

【标准答案】Chunk分割是因为大文档直接检索效果差：向量维度固定，长文本语义被稀释，检索精度下降，且超过模型上下文限制。常见策略：第一，固定长度分割（如512 token），简单但可能切断语义；第二，句子/段落分割，语义完整但长度不一；第三，滑动窗口（如50%重叠），保留上下文连续性；第四，语义分割，用模型判断自然断点，质量高但慢；第五，递归分割，按段落→句子→词逐级切分，兼顾结构和粒度。实际选择：短文档用句子分割，长文档用递归分割，问答场景用语义分割。优化点：Chunk加入文档标题、元数据增强检索。

【面试题】4. Spring Boot自动配置原理是什么？如何自定义Starter？ ​

【标准答案】自动配置核心：@EnableAutoConfiguration注解通过@Import导入AutoConfigurationImportSelector，扫描所有META-INF/spring.factories或spring/org.springframework.boot.autoconfigure.AutoConfiguration.imports文件，加载预定义配置类。每个配置类用@ConditionalOnXxx注解判断是否生效（如@ConditionalOnClass、@ConditionalOnMissingBean）。自定义Starter步骤：第一，创建autoconfigure模块，写配置类@Configuration + @ConditionalOnClass；第二，写spring.factories文件声明配置类全路径；第三，创建starter模块依赖autoconfigure，用户提供starter依赖即可；第四，可选写配置属性类@ConfigurationProperties绑定yaml配置。面试加分：说清楚spring.factories是SPI机制，Spring Boot 3.x改用imports文件。

【面试题】5. 请解释Prompt Engineering中的"思维链"技术，在什么场景下效果最明显？ ​

【标准答案】思维链是让模型"一步步思考"的提示技巧，通过示例或指令引导模型展示推理过程，而非直接给出答案。效果最明显的场景：第一，数学推理、逻辑判断等需要多步推导的任务；第二，复杂问答需要拆解子问题；第三，代码生成需要先分析需求再写代码；第四，任务规划需要分解步骤。使用方法：第一，Few-shot示例中展示推理过程；第二，提示词末尾加"Let's think step by step"；第三，要求模型"先分析再回答，给出推理过程"。注意事项：简单问题用CoT反而增加token消耗，大模型（如GPT-4）受益更明显，小模型可能无改善。面试加分：能提到Zero-shot CoT（直接加指令）和Few-shot CoT（给推理示例）的区别。

【面试题】6. MySQL索引失效的常见场景有哪些？如何用EXPLAIN分析SQL执行计划？ ​

【标准答案】索引失效常见场景：第一，WHERE条件中对索引列做函数操作（如YEAR(create_time)）；第二，隐式类型转换（如字符串字段用数字查询）；第三，LIKE以%开头（'%abc'）；第四，OR连接非索引列；第五，联合索引不满足最左前缀；第六，索引列参与计算（如age+1=20）；第七，NOT IN、NOT EXISTS、<>、IS NULL（部分情况）。EXPLAIN关键字段：type列表示访问类型（const > eq_ref > ref > range > index > ALL，ALL是全表扫描）；key列显示实际用到的索引；rows列估算扫描行数；Extra列有"Using index"表示覆盖索引、"Using filesort"需优化。面试加分：能说清索引下推（ICP）和覆盖索引原理。

【面试题】7. Spring AI框架中，如何实现多轮对话的记忆管理？有哪些持久化方案？ ​

【标准答案】Spring AI的ChatMemory接口管理对话历史。核心类：InMemoryChatMemory（内存存储，重启丢失）、MessageWindowChatMemory（滑动窗口，保留最近N条）。持久化方案：第一，内存存储（开发测试用）；第二，Redis存储（生产推荐），用RedisTemplate序列化消息列表；第三，数据库存储（MySQL/MongoDB），持久化Message实体表；第四，向量数据库存储，将对话转为向量实现语义检索。实现步骤：第一，注入ChatMemory到ChatClient；第二，每次对话调用add()添加消息；第三，历史消息自动拼接到提示词。优化点：控制上下文长度避免超token，用滑动窗口裁剪旧消息，关键信息摘要后替换原始对话。面试加分：能说清Token限制下的记忆裁剪策略。

【面试题】8. JVM垃圾回收中，CMS和G1收集器的核心区别是什么？各适用什么场景？ ​

【标准答案】CMS是老年代收集器，目标是低停顿，核心阶段并发标记、并发清除，与用户线程并行。缺点：第一，CPU敏感，并发阶段占用线程；第二，浮动垃圾，并发清除时新产生的垃圾无法回收；第三，内存碎片，标记-清除算法导致。G1是Region化收集器，将堆划分为多个Region，优先回收垃圾多的Region（Garbage First）。核心优势：第一，可预测停顿时间（-XX:MaxGCPauseMillis）；第二，无内存碎片，整体标记-整理，局部复制算法；第三，年轻代和老年代动态调整。适用场景：CMS适合老年代较大、追求低延迟的服务端应用；G1适合大堆（>6GB）、需要可控停顿的场景，是JDK9+默认收集器。面试加分：能说清G1的SATB标记和Remembered Set。

【面试题】9. AI Agent开发中，ReAct框架的核心思想是什么？如何设计一个简单的Agent循环？ ​

【标准答案】ReAct = Reasoning + Acting，核心思想是让模型交替进行思考和行动，用推理指导动作选择，用动作结果更新推理。循环流程：第一，Thought（模型分析当前状态，规划下一步）；第二，Action（调用工具执行具体操作，如搜索、查询API）；第三，Observation（获取工具返回结果）；第四，继续下一轮Thought。代码实现步骤：第一，定义工具列表（@Tool注解或函数描述）；第二，构造System Prompt包含工具描述；第三，循环调用LLM解析Action和ActionInput；第四，执行工具获取Observation；第五，将Observation追加到对话历史，继续调用LLM；第六，直到模型输出Final Answer。LangChain的AgentExecutor或Spring AI的Function Calling封装了此循环。面试加分：能说清如何处理工具调用失败、如何限制循环轮次避免死循环。

【面试题】10. Redis分布式锁的实现方案有哪些？如何解决主从架构下的锁丢失问题？ ​

【标准答案】基础方案：SET lock:key value NX PX 30000（原子加锁，NX不存在才设置，PX过期时间），解锁用Lua脚本保证原子性（先判断value是否匹配再DEL）。问题：单机Redis宕机锁丢失。主从架构问题：主节点加锁成功但未同步到从节点时宕机，从节点升级后锁丢失。解决方案：第一，Redlock算法（官方推荐），向多个独立Redis节点同时申请锁，超过半数成功才算获取；第二，Redisson看门狗机制，后台线程续约锁避免过期；第三，等待主从同步完成（WAIT命令），但降低性能。生产建议：追求强一致性用Zookeeper或etcd分布式锁；追求高性能用Redisson+Redlock；避免极端情况（网络分区）可接受小概率失败。面试加分：能说清Redisson的Watchdog自动续约和可重入锁实现。

题目分布统计:

  • AI方向：大模型幻觉、RAG Chunk分割、Prompt思维链、Spring AI记忆管理、ReAct框架（5题）
  • Java中级：HashMap并发、Spring Boot自动配置、MySQL索引、JVM GC、Redis分布式锁（5题）

题目类型覆盖:

  • 技术基础：幻觉原理、HashMap并发、Chunk分割、CMS/G1
  • 架构设计：Spring Boot Starter、Spring AI记忆管理
  • 场景实操：ReAct Agent、Redis分布式锁
  • 性能优化：MySQL索引、JVM GC调优
  • 面试情景：思维链应用场景、Redis锁丢失问题