互联网大厂Java面试实战：电商风控到AIGC RAG与Agent全流程解析

Devin~Y

214人浏览 · 2026-06-11 21:02:56

Devin~Y · 2026-06-11 21:02:56 发布

从电商到AIGC：一场Java后端 + AI 面试全过程实战解析

场景：互联网大厂面试，方向为 电商 + AIGC + 风控 的 Java 后端岗位。

角色：

面试官（I）：语气严肃，技术扎实，善于引导

小Y（Y）：略显水货但有点基础，简单问题答得还行，复杂问题开始打哈哈

全文分两部分：

对话体面试剧本（3 轮，每轮 3–5 个问题）
全部问题的详细解析（给小白看的系统讲解）

文章目录

第一轮：电商下单场景与基础微服务
第二轮：高并发、缓存、消息队列与风控
第三轮：AIGC、RAG、Agent 与企业级 AI 应用
面试官总结与“回家等通知”
详细解析（技术 + 业务场景）

第一轮：电商下单场景与基础微服务

业务场景：你面试的团队负责一个电商平台的 订单服务，需要支撑日常大促、跨境订单，以及后续接入 AIGC 智能客服与推荐系统。

问题 1：Spring Boot + 分层架构

I：你简单设计一下电商 订单服务 的后端结构吧，用 Spring Boot 实现，你会怎么分层？

Y：嗯，那个……一般就三层嘛，Controller、Service、DAO……然后再加个 Entity 之类的。我就用 Spring Boot，写几个 Controller，Service 里写业务逻辑，然后 DAO 用 MyBatis 啊或者 JPA 啊查数据库。

I：可不可以再说说，你会怎么划分模块？比如订单、库存、支付之间的关系？

Y：模块……那就……呃，订单是一个模块，库存一个模块，支付一个模块……然后互相调下接口？

I：好，基本思路是有的。这个问题你答得还算清晰，后面我会展开问你模块间如何调用和解耦。

问题 2：微服务拆分与 Spring Cloud

I：假设我们使用 Spring Cloud 或者 Spring Cloud Alibaba 来做微服务，订单、库存、支付都拆成独立服务，你会用哪些组件？大致怎么调用？

Y： Spring Cloud……肯定要注册中心，比如 Eureka、Nacos 啊，然后网关就用 Spring Cloud Gateway 或者 Zuul，然后服务之间就用 RestTemplate 或者 OpenFeign 调用……

I：限流、熔断你会考虑吗？

Y：嗯，会用 Hystrix……或者 Resilience4j，配置一下超时啊重试啊……

I：好，说明你对 Spring Cloud 生态有一定了解。后面会问你更细一点，比如如何保证调用链可观测。

问题 3：数据库建模与 MyBatis/JPA

I：回到订单服务，我们用 MyBatis 或 JPA 来操作数据库。你大致说一下订单表（order）、订单明细表（order_item）的字段设计，以及你会用 MyBatis 还是 JPA？为什么？

Y：嗯，订单表就有 id、用户id、订单号、金额、状态、创建时间、支付时间……订单明细表就有订单id、商品id、数量、单价之类的。

至于 MyBatis 还是 JPA……我觉得 MyBatis 更灵活，写 SQL 比较自由；JPA 就写起来方便，但是有时候性能不太好……

I：还不错，说明你平时有写过业务。等会我们会基于这个表设计来聊事务和并发问题。

问题 4：事务与隔离级别

I：用户下单的时候，会涉及订单写入、库存扣减、优惠券核销等操作。你会怎么设计事务？比如 Spring 事务注解 @Transactional 放在哪里？隔离级别你会怎么选？

Y：事务嘛，我一般就直接在 Service 上加 @Transactional，然后……隔离级别就默认吧，READ_COMMITTED 啊……

I：那如果在高并发下，下单会遇到什么并发问题？

Y：这个……可能会有超卖吧……就多个请求同时扣库存……

I：嗯，你至少知道会有超卖。后面我会问你如何解决。

第一轮小结

小Y 对 分层架构、微服务组件、基本表结构、事务 有基础认识
大部分回答仍然停留在“会用”层面，没有深入到 事务传播、隔离级别选择、微服务事务 等

面试继续。

第二轮：高并发、缓存、消息队列与风控

业务场景升级：大促场景下，订单服务需要支撑 高并发秒杀，同时接入风控系统拦截异常订单（如盗卡、多账号薅羊毛）。

问题 5：Redis 缓存与超卖问题

I：你刚才提到高并发可能会超卖。我们通常会引入缓存，比如 Redis。请你说说：

如何用 Redis 缓存库存，避免每次查数据库？

怎样配合数据库事务、悲观锁或乐观锁，尽量避免超卖？

Y：嗯……那就把库存放 Redis 里，比如 stock:skuId 存一个数量，然后下单就先 decr 一下……

至于数据库……我一般就是先更新数据库，再同步缓存……或者先操作缓存再异步写数据库……

I：如果缓存和数据库不一致怎么办？

Y：这个……那就定时任务修一下？或者……呃……再查一下数据库？

I：你说到了常见问题，但缺乏系统方案。等会解析部分我会帮你补足：比如 乐观锁 + 版本号、Lua 脚本原子扣减、以及 缓存失效策略。

问题 6：消息队列 – Kafka / RabbitMQ

I：大促下单成功后，我们一般不会在主链路里同步做所有事情，比如发优惠券、发短信、写日志等，而是通过消息队列异步处理。我们团队用 Kafka，也有些服务用 RabbitMQ。你来说说：

下单场景下，消息队列的作用是什么？

Kafka 与 RabbitMQ 的主要区别你知道吗？

Y：嗯，下单之后发个消息，比如 order_created，然后其他服务订阅，做短信、积分啥的……

Kafka 和 RabbitMQ……Kafka 更偏日志、吞吐大，RabbitMQ 就更传统消息队列，支持很多协议……我一般就会用 Spring Kafka 或 Spring AMQP 发消息……

I：那如果消息重复消费，你会怎么处理？

Y：啊……加个去重表？或者幂等校验？

I：好，至少你知道要做幂等。这一块还可以继续挖，但我们先往风控和安全方向走。

问题 7：JWT、Spring Security 与风控

I：电商平台存在风控需求，比如限制频繁下单的恶意账号。我们使用 Spring Security + JWT 做认证授权，并把用户的行为数据送到风控服务。请你说说：

JWT 的基本结构是什么？

Spring Security 中如何把用户信息注入到 SecurityContext？

Y： JWT……就是三段嘛，Header、Payload、Signature，用点号分开……

Spring Security 的话，登录成功以后就会创建一个 Authentication 对象，然后放进 SecurityContextHolder……我们可以写个 Filter，在里面解析 JWT，把用户信息放进去……

I：这部分你答得比较到位，说明你有做过登录认证这块。那如果 JWT 被盗用，你觉得还可以配合哪些风控手段？

Y：嗯……比如……在 Redis 里存一份 token 黑名单？或者根据设备、IP 风控？

I：好，思路还可以。真正的风控系统会更复杂，但你能想到结合 Redis、IP、设备的信息，已经不错。

问题 8：链路追踪与监控（Prometheus + ELK + Zipkin）

I：大促出问题的时候，我们需要快速定位链路问题。系统里接入了 Prometheus + Grafana 做指标监控，ELK 做日志，Zipkin/Jaeger 做调用链追踪。你实际用过哪种？简单说说怎么打调用链？

Y：嗯，Prometheus 和 Grafana 我见过，就是写一些指标，然后 Grafana 画图……ELK 就日志收集嘛，我一般就是打 Logback 日志……

Zipkin 和 Jaeger……我只知道 Spring Cloud Sleuth 可以自动打 traceId 和 spanId？具体怎么配……我没太深入……

I：没关系，这部分不是所有人都深入。你起码知道 traceId 的概念，后面解析我会帮你梳理清楚调用链的基本原理。

第二轮小结

小Y 在 缓存、消息队列、认证授权、监控 上有实际接触，但偏“会用”，缺乏体系化设计
对一致性、幂等、链路追踪等关键点回答较浅

面试继续进入 AI 与 AIGC 场景。

第三轮：AIGC、RAG、Agent 与企业级 AI 应用

业务场景再升级：公司计划上线 AIGC 智能客服与智能导购，需要与现有电商系统打通。你面试的岗位需要会一点 AI + Java 后端 的实践，比如 RAG、向量数据库、Agent 工作流等。

问题 9：RAG（检索增强生成）在电商客服中的应用

I：我们想做一个“智能客服”，支持用户问：

“这款手机防水吗？”、“这单为什么还没发货？”、“售后政策是什么？”

我们打算用 RAG（Retrieval-Augmented Generation）。请你尝试说明：

RAG 的核心流程是什么？

在 Java 中，你会如何实现一个简单的 RAG 服务？（比如用 Spring Boot + 向量数据库 + LLM 接口）

Y： RAG……就是先检索再生成吧？先从文档里找相关内容，然后再喂给大模型……

具体怎么实现，我……嗯，大概就是把文档分块向量化，存到……Milvus 之类的向量库，然后用户提问就向量化检索，再把结果拼成 prompt 给模型……

I：你说出了主干流程，算是了解。那向量化和语义检索你会用哪些工具？

Y：这个……我知道有 OpenAI 的 Embedding，还有……Ollama？

I：行，说明你至少关注过。等会解析我会把 Java 侧的一套技术路线讲清楚，比如 Spring AI + Redis/Milvus 的方案。

问题 10：Agent / Agentic RAG 与工具调用

I：单纯问答还不够，我们希望 Agent 能“帮用户办事”，比如：

查询订单物流

直接帮用户取消订单

组合多个系统操作

这就涉及 Agent / Agentic RAG / 工具调用。你理解中的 Agent 是什么？在后端架构上，你会怎样设计 Agent 调用业务系统？

Y： Agent……就是那种可以自己规划步骤、调用工具的大模型？它会根据用户问题，自己决定先查订单再……嗯……再调用取消接口……

后端怎么设计……就给 Agent 提供一些 API？比如订单查询、订单取消接口，然后在 Agent 那边写一些……工具说明，让它调用？

I：基本概念你抓到了，但你没有讲到：

工具调用标准化

安全边界控制

复杂工作流编排

这些在企业场景尤其重要。后面我会帮你补充一套比较规范的方案。

问题 11：AI 幻觉与风控

I：大模型有 幻觉（Hallucination） 问题，可能“瞎编”物流信息或政策条款，这在电商中是很危险的。你觉得我们应该怎样降低幻觉风险，保障合规？

Y：呃……可以……

加检索

限制它的输出只来自检索内容？

再让人工审核？

具体怎么做我就……不太清楚了……

I：你提到了“基于检索内容回答”和“人工审核”两条路径，这是正确方向。真正落地时，我们会用到 提示填充、答案引用、规则过滤、审计日志 等手段。

问题 12：系统集成与 CI/CD – Docker、K8s、GitLab CI

I：我们的 Java 微服务和 AI 服务最终都要上容器平台，比如 Kubernetes。你简单说说：

如何用 Docker 封装一个 Spring Boot + Spring AI 的服务？

在 GitLab CI 或 GitHub Actions 里，如何实现自动构建与部署？

Y： Docker 的话……就写个 Dockerfile，用 OpenJDK 的镜像，把 jar 拷进去，然后 java -jar 跑起来……

CI 的话……就配置 pipeline，每次 push 就构建、跑单元测试、打镜像、推到 registry，然后让 K8s 滚动更新……

I：这部分你答得还可以，说明你至少接触过 CI/CD。细节上还有很多可以优化，比如蓝绿发布、金丝雀发布等。

面试官总结与“回家等通知”

I：整体来看：

你的 Java 基础和 Spring Boot、Spring Cloud 有一定实践
对 Redis、MQ、JWT、安全、监控有使用经验，但缺少系统化设计与深度
在 AIGC、RAG、Agent 方面具备一定认知，但缺乏实际落地经验

我们会综合评估，也会对你的技术栈匹配度做内部讨论。今天先到这里，你回去可以重点补一下：

微服务下的事务与一致性

缓存与消息队列的完整方案

RAG 与 Agent 在企业场景的落地实践

I：你今天辛苦了，回去等通知吧，有结果我们会在一到两周内联系你。

Y：好的好的，谢谢面试官！

详细解析：业务场景 + 技术点拆解

下面是对上面所有问题的详细解析，按主题划分，适合小白系统学习。

一、订单服务基础：分层架构与微服务

1. 分层架构与模块划分（问题 1）

典型分层：

Interface 层（Controller / API）：暴露 REST 接口（Spring MVC / WebFlux），接收 HTTP 请求，做参数校验
Application / Service 层：编排业务流程（如创建订单 -> 校验库存 -> 调用支付）
Domain 层：领域模型与领域服务（订单、订单项、状态流转）
Infrastructure 层：数据库、缓存、消息队列实现（MyBatis、JPA、Redis、Kafka 等）

典型模块拆分：

order-service：订单创建、查询、状态管理
inventory-service：库存查询、预扣、回滚
payment-service：支付下单、回调、对账
user-service：用户信息、等级、地址

技术选型示例：

Spring Boot：快速开发基础服务
Spring MVC：REST 控制器
MyBatis / JPA：持久层
HikariCP：高性能连接池
Flyway/Liquibase：数据库版本管理

2. 微服务与 Spring Cloud（问题 2）

关键组件：

注册中心：Eureka / Nacos / Consul
配置中心：Spring Cloud Config / Nacos Config
网关：Spring Cloud Gateway / Zuul
服务调用：OpenFeign / RestTemplate / gRPC
熔断与限流：Resilience4j / Sentinel
链路追踪：Spring Cloud Sleuth + Zipkin / Jaeger

调用链示意：

用户调用 gateway -> 路由到 order-service
order-service 通过 OpenFeign 调用 inventory-service 和 payment-service
所有请求打上 traceId，便于链路追踪

注意点：

尽量以 领域边界 拆服务，而不是 CRUD 表级拆分
服务之间以 API 合同（OpenAPI/Swagger）进行约定

二、数据库、事务与并发控制

3. 数据库建模与 ORM（问题 3）

订单表 t_order 典型字段：

id（主键）
order_no（订单号，唯一）
user_id
total_amount
status（CREATED / PAID / SHIPPED / COMPLETED / CANCELED）
created_at / paid_at / updated_at

订单明细表 t_order_item：

id
order_id
product_id
sku_id
price
quantity

MyBatis vs JPA 选择：

MyBatis：手写 SQL，灵活，适合复杂查询、高度优化场景
JPA/Hibernate：开发效率高，适合中小复杂度项目

一般大厂电商订单核心服务更偏向 MyBatis + 手写 SQL，便于精细控制性能与锁策略。

4. 事务与隔离级别（问题 4）

Spring 事务常见配置：

在 Service 层 方法上使用 @Transactional
控制粒度：一个业务用例 = 一个事务（例如“创建订单”）

隔离级别选择：

默认常用 READ_COMMITTED 或 REPEATABLE_READ
高并发场景下要避免长事务，降低锁竞争

超卖问题：

多个线程同时读取 stock=10，都成功下单 -> 实际卖出 >10

解决方案示例：

数据库乐观锁：
- 表中增加 version 字段
- 更新语句：UPDATE stock SET count = count - 1, version = version + 1 WHERE sku_id = ? AND version = ?
- 若更新失败，表示被别人抢先，重试或提示库存不足
Redis + Lua 脚本：
- 在 Redis 里存 stock:skuId
- 使用 Lua 脚本保证 check + decr 的原子性
本地队列/限流：
- 网关层对秒杀接口限流
- 应用内队列逐个处理扣减请求

三、缓存与消息队列

5. Redis 缓存设计（问题 5）

缓存哪些？

商品详情、库存数、用户信息

常见模式：

Cache Aside（旁路缓存）：
- 读：先读缓存，缓存 miss 再读 DB，并写入缓存
- 写：先写 DB，再删除缓存

一致性问题：

写 DB 成功但删缓存失败 -> 可能读到旧数据
解决：
- 删除失败时写到补偿队列，后台重试
- 或采用延迟双删：写 DB 前后两次删缓存

防止缓存击穿/雪崩/穿透：

击穿：热点 key 突然失效 -> 使用互斥锁或永不过期 + 异步刷新
雪崩：大量 key 同时过期 -> 过期时间加随机值
穿透：大量请求不存在数据 -> 缓存空值

6. 消息队列 – Kafka 与 RabbitMQ（问题 6）

下单后的异步操作：

发送 order_created 事件到 Kafka topic
消费服务：
- 发送短信
- 写行为日志
- 更新推荐系统用户行为

Kafka vs RabbitMQ：

Kafka：
- 高吞吐、可持久化日志
- 分区、顺序性强
- 适合日志流、埋点、行为数据
RabbitMQ：
- 功能丰富（多种交换机、路由模式）
- 适合复杂路由、业务消息

幂等处理：

消费时：
- 以 messageId 或 orderNo 为幂等键
- 在 DB/Redis 记录已处理消息
- 若已处理则直接丢弃

四、安全、JWT 与风控

7. JWT 与 Spring Security（问题 7）

JWT 结构：

Header：算法、类型
Payload：用户ID、角色、过期时间等
Signature：基于 Header + Payload + 密钥签名

Spring Security 流程：

用户登录 -> 认证成功 -> 生成 JWT 返回给前端
前端请求带 Authorization: Bearer <token>
自定义 Filter：
- 解析 JWT -> 构造 Authentication 对象
- SecurityContextHolder.getContext().setAuthentication(authentication)
控制器中可通过 @AuthenticationPrincipal 获取用户信息

风控结合：

结合 JWT 中 user_id、device_id、ip 的行为日志
将数据发送到风控服务（Kafka 主题），用于：
- 频率控制（单位时间内下单次数）
- 异常行为检测（多账号同设备、跨区域登录）

五、监控与链路追踪

8. Prometheus + Grafana + ELK + Zipkin（问题 8）

监控：

使用 Micrometer 采集指标（QPS、延迟、错误率）
Prometheus 拉取指标，Grafana 可视化

日志：

Logback 输出 JSON 日志
Filebeat / Logstash 收集到 Elasticsearch，Kibana 查询

调用链追踪：

Spring Cloud Sleuth 自动注入 traceId、spanId
每个服务在日志中打印 traceId
Zipkin/Jaeger 可视化调用链，快速定位：
- 是哪个服务慢
- 哪个下游超时或报错

六、AIGC 与 RAG 实战

9. 什么是 RAG？（问题 9）

RAG 核心流程：

文档准备：电商商品描述、FAQ、售后政策、物流规则等
切分与向量化：
- 将长文档分成小段（chunk）
- 使用 Embedding 模型（OpenAI、Ollama 等）生成向量
向量存储：
- 存入 Milvus / Chroma / Redis-Vector 等向量数据库
查询阶段：
- 用户发问 -> 转为向量
- 在向量库中做语义检索，找出最相关的文档段
生成阶段：
- 将检索到的文档作为上下文，填充到提示词（Prompt）中
- 调用大模型生成回答

Java 实现路径示例：

使用 Spring Boot + Spring AI：
- Spring AI 封装模型调用（OpenAI、Azure OpenAI 等）
- 提供 Embedding 与 Chat 接口
向量库：
- 使用 Milvus Java SDK / Redis Stack / pgVector
文档加载：
- 使用 Apache POI 解析文档
- 或集成 MCP（模型上下文协议）加载企业内部文档

10. Agent / Agentic RAG 与工具调用（问题 10）

Agent 的核心能力：

根据用户意图自动：
- 规划步骤（计划）
- 调用工具（API）
- 组合结果

工具调用标准化：

设计统一的 工具描述规范：
- 名称、入参、出参、权限
后端以 HTTP/gRPC 暴露工具接口：
- GET /api/orders/{id}：查询订单
- POST /api/orders/{id}/cancel：取消订单
Agent 通过：
- Spring AI 的工具调用机制
- 或基于 MCP 的统一协议

安全边界：

不把所有 API 暴露给 Agent
对敏感操作（如退款）增加二次确认与权限校验

Agentic RAG：

将 RAG 与 Agent 结合：
- 先通过 RAG 获取知识
- 再由 Agent 决定是否调用工具
- 用于复杂工作流（查询+下单+风控校验）

11. 控制 AI 幻觉（问题 11）

常见手段：

严格基于检索内容回答：
- 提示词中明确要求“仅根据给定文档回答”
- 超出范围时回答“我不知道”或引导人工客服
答案引用：
- 在回答中标注来源文档片段或ID，便于审计
规则过滤：
- 对输出做规则校验，如不得承诺非法优惠
人审机制：
- 对高风险内容（退款、法律条款）进行人工审核
日志与审计：
- 记录所有输入输出，便于追责和迭代

七、CI/CD、容器与 Kubernetes

12. Docker 与 CI/CD（问题 12）

Dockerfile 示例：

FROM eclipse-temurin:17-jre
WORKDIR /app
COPY target/order-ai-service.jar app.jar
EXPOSE 8080
ENTRYPOINT ["java", "-jar", "app.jar"]

GitLab CI 示例（简化）：

stages:
  - test
  - build
  - deploy

test:
  stage: test
  script:
    - mvn test

build:
  stage: build
  script:
    - mvn package -DskipTests
    - docker build -t registry.example.com/order-ai-service:$CI_COMMIT_SHA .
    - docker push registry.example.com/order-ai-service:$CI_COMMIT_SHA

deploy:
  stage: deploy
  script:
    - kubectl set image deployment/order-ai-service order-ai-service=registry.example.com/order-ai-service:$CI_COMMIT_SHA
  when: manual

Kubernetes 部署要点：