面经基本信息：去哪儿旅行（发帖者自述）
- Agent应用开发—测试开发，AI面试
- 日期：2026-08-30
- 适用难度：初级—中级
内容说明
本篇为社区对用户分享面经的整理汇编，旨在帮助求职者了解面试考察方向。问题部分力求忠实还原原帖问答脉络；「参考答案 / 复盘思路」为整理方结合工程实践原创补充，仅供交流参考，不代表官方标准答案。
面试问题与参考答案 / 复盘思路
1. Java里的Exception与Error如何区分？追问：为什么OOM不一定能只靠修改业务代码解决？
参考答案 / 复盘思路： Exception表示程序可预期处理的一类异常，包括受检异常与运行时异常；Error通常代表更底层或严重的运行环境问题，例如OutOfMemoryError。不能把“Error不能处理”说成绝对规律。OOM可能由内存泄漏、一次性加载大对象、缓存无限增长、线程过多或容器内存限制导致，代码修改有时正是根治手段。排查先看JVM堆、GC日志、heap dump、进程RSS和容器OOMKilled记录，区分堆内、堆外与宿主资源限制，再决定修代码、调参数还是限流。
2. Redis缓存与数据库如何保持一致？追问：延迟双删的等待时间怎么确定？
参考答案 / 复盘思路： 先明确业务对一致性的要求：允许短暂旧值时可采用Cache Aside，写库成功后删除缓存；强一致关键路径不宜仅依赖缓存。延迟双删用于降低“读旧库并回填旧缓存”的竞态概率，但它不是严格一致性保证。延迟值应根据真实数据库提交耗时、并发读写时序、网络尾延迟和缓存回填时间压测确定，而不是拍脑袋填500毫秒。删除失败需重试或消息补偿，必要时用版本号、binlog订阅与监控检测长期不一致。
3. 后端部署失败怎么排查？追问：除了Docker日志与容器连通性，还检查什么？再追问：如何判断资源不足，用什么命令看哪些指标？
参考答案 / 复盘思路： 排查顺序建议从“失败发生在哪一层”入手：镜像拉取与版本、启动参数和密钥、配置中心、DNS与依赖服务、端口与健康检查，再看应用日志及变更记录。资源侧用 docker stats、docker inspect、free -h、df -h、top 或 vmstat 检查CPU、内存、磁盘、文件描述符与容器限制，必要时看 dmesg 的OOM事件。把启动失败、启动后探针失败和请求时超时区分开，复现时记录镜像摘要与环境差异，避免盲目重启掩盖根因。
4. 介绍你搭建的Jenkins流水线。追问：生产只跑冒烟测试，如何降低线上风险？
参考答案 / 复盘思路： 可以按提交触发、静态检查、单元测试、构建镜像、接口回归、部署测试环境、报告归档和人工/自动审批讲清流水线。生产只跑冒烟并不能保证零故障，真正的策略是把充分的回归放在上线前，生产只做最小高价值探测。上线时配合灰度、错误率与延迟监控、核心业务指标以及明确的回滚阈值；高风险变更增加契约测试、数据迁移验证和回放对比。要说明失败如何阻断发布、谁有权限放行，才算完整的质量门禁。
5. 设计微信式一对一聊天的测试：支持文字、图片、文件，并有1秒消息间隔要求。
参考答案 / 复盘思路： 先问清“1秒间隔”指发送节流、到达时延还是界面展示间隔，不同定义对应完全不同的断言。覆盖文字与多媒体大小/格式、顺序、去重、撤回、重发、离线补发、跨设备同步、权限和敏感文件处理。若要求相邻发送至少1秒，测试边界0.99、1.00、1.01秒以及并发设备；若要求端到端延迟不超过1秒，应使用同步时钟或同端测量并统计P95/P99，而不是只看一次平均值。补充弱网、断线重连和服务端限流。
6. 用Charles模拟弱网时，怎样判断一次请求从发出到收到响应是否小于1秒？
参考答案 / 复盘思路： 先定义计时范围：是客户端开始发送到首字节TTFB，还是完整响应体接收完毕；图片上传还要区分排队、连接建立、传输与服务端处理。Charles的Timing/Overview能观察请求时间分解，但代理本身和限速设置会引入额外开销。建议固定带宽、延迟、丢包档位，多次采样P95/P99，并用客户端埋点与服务端Trace交叉核对。需要注意Charles记录的是代理视角的时间，不能直接等同用户端体验；超时、重试与缓存命中应分别统计。
7. 请讲一个你做过的最难项目：承担了什么职责，遇到什么困难，怎样解决？
参考答案 / 复盘思路： 不要虚构大项目，挑自己最熟悉的真实难点。按背景、约束、本人动作、验证证据、最终结果来组织：例如测试Agent的UI定位在动态页面频繁失败，先用Trace分类失败原因，再替换不稳定定位器并加业务断言，最后用固定页面集合做回归。面试官真正想听的是你如何排除错误假设、为什么采用这个方案，以及是否存在尚未解决的边界。数据不确定就描述可复现证据，避免夸大“提升百分之多少”。
8. 最近学过哪些AI工具或模型，怎样用于开发或测试工作？
参考答案 / 复盘思路： 回答最好落到一个完整闭环：用什么工具处理哪类输入，生成什么产物，如何校验，哪些结果必须人工确认。比如用代码助手生成接口测试草稿，再根据OpenAPI契约校验字段、补充负向用例，接入CI并追踪误报漏报。要主动说明提示词注入、敏感代码外传、模型版本变化和幻觉断言等风险。即便目前只在个人练习中使用，也可以清楚区分试验与正式落地，而不是泛泛说“提高效率”。
延伸思考（社区补充）
当AI面试官会根据候选人提到的关键词连续追问时，怎样准备一个既真实又能经得起深挖的测试项目介绍？可以按项目目标、架构、本人职责、失败案例、验证指标五层准备证据，不要把没做过的框架写进简历。
