已解析题目
后端开发工程师相关题目
netstat 中的 Recv-Q 和 Send-Q 有什么区别?
netstat 的 Recv-Q 和 Send-Q 分别反映 socket 接收队列和发送队列中的未处理数据。回答要区分监听 socket、已建立连接、应用是否及时读写,以及网络或对端是否导致堆积。
AI Coding 落地时,如何给模型提供有效仓库上下文,并限制它触碰事务、权限、资金等高风险链路?
这题考 AI Coding 的上下文工程和风险边界。答案要同时讲清如何给模型足够信息完成任务,以及如何通过范围控制、权限控制、测试和 review 防止它碰坏核心链路。
AI 生成代码进入工程仓库前,如何用沙箱分支、最小改动范围、测试和 review 防止污染主分支?
这题考 AI 生成代码的分支治理和合入门禁。优秀回答要把主分支保护、沙箱隔离、diff 范围、自动化检查、人工 review、回滚审计串成一条工程流程。
生产级 RAG 为什么可以用 Java 承担后端主链路,而不是全链路都用 Python?
这题考 RAG 从实验脚本到生产服务的语言和架构取舍。核心不是贬低 Python,而是说明在线主链路需要服务治理、稳定性、并发、权限和工程生态,Java 可以承担这些职责。
Agent 服务中如何拆分模型调用、检索、审计落库和消息消费线程池,避免局部抖动拖垮全链路?
这题考 Agent 后端稳定性,不是普通线程池参数背诵。高质量回答要按任务类型隔离资源、设置队列和超时预算、做背压降级,并用指标证明局部抖动不会拖垮全链路。
内容安全类 Agent 需求如何从“万能问答”拆成可评测的原子能力、输入输出契约和停止条件?
这题考的是把模糊的内容安全 Agent 需求工程化。不能把它做成什么都能问、什么都回答的聊天助手,而要拆成可独立评测的能力单元,例如分类、证据抽取、规则匹配、风险解释、处置建议和人工复核触发,并为每个能力定义输入、输出、置信度和停止条件。
Agent 调用服务端 API 工具的完整流程是什么?如何完成参数生成、鉴权、执行、错误处理和结果回填?
这题考 Agent 工具调用的工程链路:模型通常不直接访问业务 API,而是由宿主系统基于工具 schema、权限、参数校验、执行器、错误处理和结果回填来完成闭环。
同题还出现在 2 个公司岗位
MCP 在 Agent 工具接入中解决什么问题,适合哪些场景,又有哪些落地边界?
这题考 MCP 在 Agent 工具接入中的协议价值和工程边界。高质量回答要说明它解决的是 Agent 与外部工具、资源、提示模板之间的标准化连接问题,并能覆盖工具发现、resources/tools/prompts、schema、跨进程接入、权限、审计、超时、版本和服务治理。