Backend Interviewer - 后端面试出题助手

This skill analyzes a backend developer candidate's resume and generates targeted, multi-dimensional interview questions with difficulty gradients, covering fundamentals, project depth, coding ability, and AI awareness.

Purpose

Transform a candidate's resume into a structured set of interview questions that:

Are targeted to the candidate's specific experience and claimed skills
Have difficulty gradients (basic → advanced → deep) to assess depth of understanding
Cover multiple dimensions to provide a comprehensive evaluation
Include reasoning for each question to help interviewers understand what to look for
Fit within a controllable time budget

When to Use

Invoke this skill when:

The user provides a candidate's resume (PDF/text) and asks to generate interview questions
The user asks to prepare for a backend developer interview
The user wants targeted questions based on a specific candidate's background
The user mentions "出面试题", "面试考题", "根据简历出题", "prepare interview questions"

Input Documents

Before starting, gather the following:

Candidate Resume (required)
- PDF file path or text content
- Example: resumes/张三-简历.pdf
Interview Requirements (optional, will use defaults if not provided)
- Assessment dimensions (e.g., fundamentals, project, coding, AI)
- Total interview duration
- Difficulty level preference
- Specific focus areas

Analysis Process

1. Resume Analysis

Action:

Read the candidate's resume thoroughly
Extract and organize key information into a structured profile

Extract the following:

Basic Info: years of experience, education, current role
Tech Stack: languages, frameworks, databases, middleware, tools
Skill Claims: explicitly stated skills and proficiency levels (e.g., "熟悉", "精通", "阅读过源码")
Project Experience: each project's role, architecture, technical highlights, scale/metrics
AI Experience: any AI/ML related work or claimed knowledge
Key Highlights: unique selling points and areas that deserve deep probing

Communication with User (REQUIRED):

Present a brief summary of the candidate's profile
Confirm assessment dimensions and time budget
Ask if there are specific areas the user wants to emphasize or skip

Example Prompt:

"我已分析完简历，候选人画像如下：[摘要]。您希望从哪些维度考察？默认为：基础/项目/编码/AI，总时长 60 分钟。需要调整吗？"

2. Determine Assessment Dimensions

Default Dimensions (if user doesn't specify):

维度	时间占比	说明
基础考察	25%	语言基础、数据库、缓存、消息队列、网络等
项目考察	25%	架构理解、方案设计、工程化能力
编码考察	35%	现场编码，中等难度
AI考察	15%	Agent、RAG、MCP、AI Coding 等

Dimension Selection Rules:

Select sub-topics within each dimension based on the candidate's actual tech stack
Do NOT ask questions about technologies the candidate hasn't used or claimed
Prioritize areas where the candidate has made strong claims (e.g., "阅读过源码", "精通")

Communication with User (REQUIRED):

Present proposed dimensions and time allocation
Confirm or adjust based on user preferences

3. Generate Questions per Dimension

For each assessment dimension, follow these question design principles:

3.1 Fundamentals (基础考察)

Question Design Principles:

Target skill claims: If resume says "熟悉 XXX 源码", ask about the internals to verify
Connect to projects: Frame questions around the candidate's actual use cases
Gradient design:
- 【基础】: Core concepts, can be answered with solid understanding
- 【进阶】: Trade-offs, comparisons, requires real experience
- 【深入】: Source code level, edge cases, requires deep expertise

Sub-topic Selection (pick based on resume, typically 3-4 sub-topics):

Language fundamentals (Java: JUC/AQS/ThreadPool, Go: goroutine/channel, etc.)
Database (MySQL: indexing/transactions/optimization, etc.)
Cache (Redis: data structures/distributed locks/persistence, etc.)
Message Queue (RocketMQ/Kafka: storage model/reliability/ordering, etc.)
Network (HTTP/TCP: connection management/troubleshooting, etc.)
Framework (Spring: IoC/AOP internals, etc.)

Question Density Rule: 1-2 questions per sub-topic to fit time budget. When time is tight, merge related questions into one compound question.

3.2 Project Assessment (项目考察)

Question Design Principles:

Focus on the primary project: The most recent and most complex project
Probe from macro to micro: Overall architecture → core technical decisions → implementation details
Verify ownership level: Distinguish "主导设计" from "参与开发"
Ask for specifics: Numbers, metrics, concrete decisions rather than vague descriptions

Question Types:

【架构全景】: Ask to describe or draw the system architecture end-to-end
【方案深挖】: Pick 1-2 technical highlights from resume and drill into details
【工程化能力】: Error handling, monitoring, capacity planning, fault tolerance
【设计决策】: Why this approach over alternatives? What trade-offs?

Question Density Rule: 3-4 questions covering architecture + 1-2 core technical decisions + 1 engineering practice.

3.3 Coding Assessment (编码考察)

Question Design Principles:

Relate to the candidate's domain: Design questions around their business scenarios
Medium difficulty: Should be solvable in 15-20 minutes by a competent developer
Test multiple abilities: Data structures, OOP design, concurrency, edge cases
Include follow-up questions: Extend to system design / distributed scenarios

Question Structure:

题目描述（含接口定义和约束条件）
→ 候选人编码实现（15-20min）
→ 口头追问（5min）：优化思路、分布式扩展

3.4 AI Assessment (AI考察)

Question Design Principles:

Start from their experience: If they used Dify/LangChain/etc., ask about that first
Extend to related concepts: RAG, Agent, MCP, Prompt Engineering
Combine with their business: How would AI improve their existing systems?
Assess learning attitude: Openness to AI, critical thinking about AI limitations

Question Types:

AI platform/tool usage experience and depth
Conceptual understanding of Agent, RAG, MCP, Skill
AI Coding practices and risk awareness
Vision for AI integration in their domain

4. Add Reasoning to Each Question

For every question, provide:

出题原因：Why this question for THIS candidate (link to specific resume content)

考察要点：What the interviewer should listen for in the answer (specific knowledge points, red flags, and bonus points)

5. Time Budget Optimization

Action:

Calculate total questions vs available time
Ensure each question has adequate discussion time (2-4 min for basics, 3-5 min for project)
Mark priority for each question (must-ask vs nice-to-have)
Provide interviewer guidance on when to skip/adapt

Rules:

Total questions should fit comfortably within the time budget
If time is tight, merge related questions rather than asking superficially
Coding question time = 60-70% of coding section (writing) + 30-40% (discussion)
Add flexible guidance at the end for time management

6. Compile Final Document

Action:

Assemble all questions into the output template
Add candidate summary header
Add time allocation table
Add interviewer tips at the end
Save to the specified output directory

Output Path Convention: plans/<候选人姓名>.md

Communication with User (REQUIRED):

Present the complete question set for review
Ask if any questions need adjustment
Confirm the final version

Output Document Structure

Generate a markdown document following the template in references/interview-template.md.

# <候选人姓名> - <目标岗位>面试题

> **候选人背景**：[简要背景]
>
> **技术栈**：[核心技术栈]
>
> **建议时间分配**：[各维度时间] ，共约 X 分钟

---

## 一、基础考察（Xmin）

### 1.1 <子方向>

**【Q1】** <题目内容>

> **出题原因**：<为什么针对该候选人出此题>
>
> **考察要点**：<面试官应关注的回答要素>

...（更多题目）

---

## 二、项目考察（Xmin）

**【Q_】** <题目内容>

> **出题原因**：<与简历哪个项目/技术点挂钩>
>
> **考察要点**：<判断标准>

...

---

## 三、编码能力考察（Xmin）

### 题目：<题目名称>

> <题目描述与接口定义>

```code
// 代码框架

出题原因：<为什么出此题>

考察要点：<评判维度>

追问：

<追问问题>

四、AI 能力考察（Xmin）

【Q_】 <题目内容>

出题原因：<出题依据>

考察要点：<评判标准>

...

附：出题思路与时间管理建议

考察维度	题数	时间	设计思路
基础考察	X题	Xmin	<思路>
项目考察	X题	Xmin	<思路>
编码考察	X题	Xmin	<思路>
AI考察	X题	Xmin	<思路>

面试节奏建议：

<节奏管理提示>


## Communication Pattern

For each phase of the question generation process:

1. **Analyze** - Read resume and extract candidate profile
2. **Confirm** - Present profile summary and confirm assessment requirements with user
3. **Generate** - Create questions with reasoning for each dimension
4. **Review** - Present complete question set for user review
5. **Refine** - Adjust based on user feedback (add/remove/modify questions)
6. **Deliver** - Save final document to output directory

## Workflow Checklist

- [ ] Read and analyze candidate resume
- [ ] Present candidate profile summary to user
- [ ] Confirm assessment dimensions and time budget with user
- [ ] Generate fundamentals questions (with reasoning)
- [ ] Generate project assessment questions (with reasoning)
- [ ] Generate coding assessment question (with reasoning)
- [ ] Generate AI assessment questions (with reasoning)
- [ ] Optimize question count for time budget
- [ ] Present complete question set for user review
- [ ] Adjust based on user feedback
- [ ] Save final document to `plans/<候选人姓名>.md`

## Additional Resources

### Reference Files
- **`references/interview-template.md`** - 面试题输出模板
- **`examples/sample-interview.md`** - 完整面试题示例（基于真实简历生成）

## Key Principles

1. **简历驱动** - Every question must link back to specific resume content; never ask unrelated questions
2. **梯度设计** - Each topic area progresses from basic to deep; stop at the level where the candidate struggles
3. **验证声明** - Prioritize verifying strong claims ("精通", "阅读过源码", "主导设计")
4. **业务结合** - Frame theoretical questions within the candidate's actual project context
5. **时间可控** - Total questions must fit within the agreed time budget; provide skip guidance
6. **一题多察** - Design compound questions that assess multiple abilities simultaneously when time is tight

> **候选人背景**：Java后端，约5年经验，现就职于转转，负责客服系统及智能质控系统开发。此前在用友从事供应链系统开发。
>
> **技术栈**：Spring Boot / RocketMQ / MySQL / Redis / ES / XXL-Job / Dify
>
> **建议时间分配**：基础 15min、项目 15min、编码 20min、AI 10min，共约 60 分钟

---

## 一、基础考察（15min）

### 1.1 Java 语言

**【Q1】** 简历提到你阅读过 AQS 源码，请描述 AQS 的核心数据结构和工作原理。`ReentrantLock` 的公平锁和非公平锁在 AQS 层面的实现差异是什么？

> **出题原因**：简历明确声称"熟悉AQS和多个JUC源码"，这是候选人主动提出的技能点，必须验证真实性。AQS 是 JUC 的基石，能讲清楚则说明确实读过源码，讲不清则说明简历注水。
>
> **考察要点**：能否说清 state 变量 + CLH 双向队列的核心结构；公平锁的 `hasQueuedPredecessors()` 判断 vs 非公平锁直接 CAS 抢锁的差异；是否真正阅读过源码，而非仅背诵概念。

**【Q2】** 简历提到熟悉线程池。假设你的 XXL-Job 分片任务中，某个分片的线程池出现了大量任务堆积，你如何排查？`ThreadPoolExecutor` 的四种拒绝策略各适用什么场景？你的质控批处理任务用的是哪种策略，为什么？

> **出题原因**：候选人声称熟悉线程池，且项目中有 XXL-Job 分片批处理的实际场景。将线程池理论与业务场景挂钩，既验证理论功底，又考察线上排查能力和实际选型经验。
>
> **考察要点**：排查思路是否清晰（jstack 线程 dump → 分析阻塞原因 → 检查队列容量/核心线程数配置）；四种拒绝策略的区别和适用场景；能否说出自己项目中的真实选择及理由，而非泛泛而谈。

---

### 1.2 MySQL

**【Q3】** 简历提到你有"合理利用索引"的优化经验，请先举一个你实际优化过的慢 SQL 案例。然后回答：联合索引 `(a, b, c)` 在以下查询中哪些能走索引？

```sql
-- Q1
SELECT * FROM t WHERE a = 1 AND c = 3;
-- Q2
SELECT * FROM t WHERE b = 2 AND c = 3;
-- Q3
SELECT * FROM t WHERE a = 1 AND b > 2 AND c = 3;
-- Q4
SELECT * FROM t WHERE a = 1 ORDER BY b LIMIT 10;

出题原因：简历声称有 SQL 优化经验且"熟悉多种索引"。先让候选人讲自己的优化案例验证实战经验，再用联合索引经典题验证理论功底，两部分结合可快速判断 MySQL 功力。

考察要点：能否讲出一个有细节的真实优化案例（慢在哪、怎么分析、怎么优化）；对最左前缀匹配原则的掌握（Q1 只走 a、Q2 完全不走、Q3 走 a+b 但 c 无法用索引、Q4 走 a+b 避免排序）；是否了解 Index Condition Pushdown（ICP）等进阶优化。

1.3 Redis

【Q4】 你用 Redis Sorted Set 构建了工单优先级队列，Score 映射"工单优先级 + 等待时长"。请问你具体是怎么设计这个 Score 的编码方式的？如何保证优先级高的工单一定先被消费，同时同优先级的工单按等待时长排序？

出题原因：这是候选人简历中的设计亮点——用 Sorted Set 的 Score 同时编码两个维度。需要验证候选人是否真正设计了这个方案，还是只是知道"用了 Sorted Set"。能回答好说明确实深入参与了设计。

考察要点：Score 的编码设计（例如高位放优先级、低位放时间戳的负值）；是否考虑了 Score 精度问题（Redis Score 是 double，最大安全整数 2^53）；消费时用 ZPOPMIN / ZRANGEBYSCORE + ZREM 的原子性保证。

【Q5】 你在质控系统中使用了 Redis 分布式锁来"保障任务不重不漏"，你用的是什么方式实现的（SETNX？Redisson？）？如何解决锁过期但业务未执行完的问题？是否了解 Redlock 算法及其争议？

出题原因：分布式锁在两个项目中都有使用，是候选人的高频技术点。不仅要考察"会用"，更要考察对边界问题和局限性的认知深度。

考察要点：基本实现方式和 SET NX EX 的原子性要求；看门狗（Watchdog）自动续期机制的了解程度；Redlock 的原理及 Martin Kleppmann 与 Antirez 的经典争论（时钟漂移问题）；是否知道分布式锁在极端场景下的不可靠性。

1.4 RocketMQ

【Q6】 你提到阅读过 RocketMQ 源码，请描述一下 Broker 的消息存储模型（CommitLog + ConsumeQueue）。为什么采用这种设计而不是每个 Topic 一个独立文件？另外，你在项目中提到"消息幂等设计"，你是怎么实现消费端幂等的？

出题原因：将存储模型和消息幂等合并为一题。存储模型是验证"阅读过源码"这一强声明的试金石；消息幂等是简历中明确提到的工程实践，两者结合可全面考察 RocketMQ 的理论深度和实战能力。

考察要点：CommitLog 顺序追加写（所有 Topic 共享）+ ConsumeQueue 逻辑队列索引的双层结构；这种设计保证磁盘顺序写性能的核心优势；与 Kafka 每个 Partition 独立文件的设计对比；幂等实现方案（数据库唯一键 / Redis 去重表 / 业务状态判断）；重试机制和死信队列的处理策略。

二、项目考察（15min）

2.1 架构全景

【Q7】 请描述你的智能质控系统的整体架构，包括数据流转的完整链路：从 IM 会话数据产生 → 数据抽取 → AI 质检 → 人工复检 → 结果归档。每个环节用到了什么技术组件？为什么采用"AI 大模型初筛 + 人工复检"的双检模式，而不是完全依赖 AI？AI 初检的准确率大概是多少？

出题原因：候选人自称是"技术负责人，主导整体架构设计"。描述完整架构是验证其对系统全貌掌握程度最直接的方式——真正主导过的人能完整且有层次地讲出来，仅参与开发的人往往只了解局部模块。同时追问双检模式的决策依据，考察其数据思维和技术判断力。

考察要点：能否完整且清晰地描述端到端数据流；各组件（XXL-Job、RocketMQ、Dify、ES、Redis）在架构中的位置和职责是否准确；能否给出 AI 初检准确率的具体数据；是否有持续优化闭环（AI vs 人工结果对比 → Prompt 迭代）。

2.2 核心方案深挖

【Q8】 你设计了质检单"从生成到归档的全生命周期状态流转规则"，请详细描述质检单有哪些状态？状态之间的流转条件是什么？如何防止并发场景下的状态错乱（比如 AI 回调和人工操作同时触发）？

出题原因：状态机设计是简历中的核心亮点，也是衡量系统设计能力的关键。并发场景下的状态一致性是这类系统最容易出问题的地方，能否讲清楚直接反映设计深度。

考察要点：状态数量和流转规则是否完整（生成→AI质检中→AI质检完成→人工复检中→复检完成→申诉中→归档等）；并发控制方案（乐观锁/状态前置条件校验/分布式锁）；是否考虑了异常兜底（超时未回调、AI 调用失败）；状态流转的可追溯性设计。

【Q9】 每日 30w+ 数据的批处理，你的 XXL-Job 分片策略是怎么设计的？分了几个片？每个片处理多少数据？如果某个分片节点挂了怎么办？你提到凌晨 1-5 点完成全量初检，这个时间窗口是怎么评估出来的？

出题原因：30w+ 日增量的批处理是项目中最核心的技术挑战，涉及分布式任务调度、容量评估、故障恢复等多个工程能力维度。能回答出具体数字和评估方法，说明候选人真正深入参与了生产环境的调优。

考察要点：分片策略的具体设计（按 ID 取模/时间范围/业务线）；分片数量和单片数据量的确定依据；节点故障时的 failover 策略（XXL-Job 失败重试/分片漂移）；时间窗口的评估方法（压测数据/AI 接口 QPS 限制/经验估算）；是否有监控和报警机制。

2.3 工程化能力

【Q10】 你在 ASR 对接中设计了"异步回调 + 延迟消息兜底 + 主动轮询补全"三级结构。请问这三级之间是怎么协调的？会不会出现回调已经成功了，但延迟消息又触发了一次轮询导致重复处理？你是怎么避免的？

出题原因：三级容错结构是简历中的工程设计亮点。但多级容错天然面临重复执行的问题，考察候选人是否真正思考过各级之间的协调机制，而不是只是罗列了三个手段听起来很厉害。

考察要点：三级结构的触发条件和优先级关系；幂等性设计如何贯穿三级结构（基于工单ID+外呼记录ID的唯一标识）；延迟消息的时间间隔如何设置；是否有状态标记来避免重复处理（翻译完成后标记状态，后续触发直接跳过）。

三、编码能力考察（20min）

题目：实现一个简化版的工单优先级分配队列

结合你的工单自动分配项目经验，请实现一个 WorkOrderDispatcher：

/**
 * 工单优先级分配器
 * 要求：
 * 1. 支持添加工单，每个工单有 id、优先级(1-5,数字越大优先级越高)、创建时间
 * 2. 支持添加客服人员，每个客服有 id、最大同时处理工单数
 * 3. 调用 dispatch() 时，将当前优先级最高的工单分配给负载最低的客服
 *    - 同优先级按等待时间最长优先
 *    - 同负载的客服随机选取
 *    - 如果所有客服都满载，返回 null
 * 4. 支持客服完成工单（释放负载）
 * 5. 要求线程安全
 */
public class WorkOrderDispatcher {
    // 请实现
    void addWorkOrder(WorkOrder order);
    void addAgent(Agent agent);
    WorkOrder dispatch();  // 返回被分配的工单，无法分配返回null
    void completeWorkOrder(String agentId, String orderId);
}

出题原因：题目直接来源于候选人自己做过的工单自动分配系统，候选人有业务背景理解优势，可以更专注于代码实现质量。同时考察数据结构选择、并发安全、面向对象设计等综合编码能力。

考察要点：

数据结构选择：工单队列用 PriorityQueue/TreeMap（按优先级+时间排序），客服负载管理的数据结构选择

并发安全：锁的粒度选择（全局锁 vs 读写锁 vs 细粒度锁），是否过度同步或遗漏同步

OOP 设计：WorkOrder 和 Agent 类的设计，Comparable/Comparator 的使用

边界条件：空队列、全满载、客服动态上下线等异常情况的处理

代码质量：命名规范、代码可读性、方法职责划分

追问（编码完成后口头讨论）：

如果要把这个方案从单机扩展到分布式，需要做哪些改造？（结合你实际用 Redis Sorted Set 的经验来回答）

出题原因：将编码题与候选人的真实项目经验串联，考察从"写代码"到"做架构"的思维跨越。

考察要点：能否结合自己的实战经验回答（Redis Sorted Set 做优先级队列）；分布式环境下的并发控制（Lua 脚本保证原子性）；数据一致性问题（工单分配出去但客服端未确认的状态管理）。

四、AI 能力考察（10min）

4.1 AI 实践认知

【Q11】 你在质控系统中使用了 Dify 平台对接大模型做质检初筛。Prompt 是怎么设计的？如何评估和优化质检的准确率？你觉得 RAG 技术（如质检标准、历史案例的检索增强）在你的场景中有应用空间吗？

出题原因：候选人实际使用了 Dify 平台集成 AI，需要验证其对所用工具的了解深度——是仅仅"调了个 API"，还是真正参与了 Prompt 设计和效果优化。同时延伸到 RAG，考察对 AI 技术的学习广度。

考察要点：质检 Prompt 的设计思路（评分维度定义、Few-shot 示例、输出格式约束）；准确率评估方法（AI 结果 vs 人工标注对比）；优化迭代闭环（bad case 分析 → Prompt 调优）；对 RAG 核心思想的理解（检索增强 vs 纯靠模型记忆）。

4.2 Agent & MCP

【Q12】 请谈谈你对 AI Agent 的理解，它和简单的 LLM API 调用有什么区别？MCP（Model Context Protocol）解决了什么问题？如果让你为你的客服系统设计一个 MCP Server，你会暴露哪些工具给 AI Agent 使用？

出题原因：Agent 和 MCP 是当前 AI 工程化的核心方向，与候选人的客服系统业务背景高度相关。不要求深入掌握，但考察其对前沿方向的认知和将 AI 概念与实际业务结合的思考能力。

考察要点：能否区分 Agent 与普通 API 调用（自主决策循环 vs 单次问答）；Agent 核心能力（规划/记忆/工具调用）；MCP 的基本概念（标准化 AI 工具接口协议）；能否结合客服系统设计实际 Tool（查询订单、查看工单历史、发起退款等）和 Resource（质检标准、FAQ 知识库）。

4.3 AI Coding

【Q13】 你在日常工作中有使用 AI Coding 工具吗？你认为 AI Coding 最大的价值和风险分别是什么？在什么场景下你会信任 AI 生成的代码，什么场景下不会？

出题原因：候选人表示"拥抱AI"，AI Coding 是开发者最直接接触的 AI 应用。考察候选人对 AI 辅助开发的实际使用经验和批判性思考能力——既不盲目排斥也不盲目信任。

考察要点：是否有实际使用经验和具体场景；对价值的认识（提效、减少模板代码）；对风险的认识（安全漏洞、逻辑错误、过度依赖）；信任边界的判断力（CRUD 模板可信、复杂并发/安全逻辑需审查）。

附：出题思路与精简说明

考察维度	题数	时间	设计思路
基础考察	6题	15min	紧扣简历技能声明（AQS源码、RocketMQ源码、SQL优化），验证真实掌握程度。砍掉网络模块（非核心技能点）和部分梯度重叠题目
项目考察	4题	15min	聚焦转转质控系统（核心项目），砍掉用友灰度发布（次要项目）和与基础部分重叠的 binlog/可配置化题目
编码考察	1题+1追问	20min	来源于候选人自己的工单分配场景，考察数据结构+并发+OOP 综合能力，追问串联分布式扩展思路
AI考察	3题	10min	从 Dify 实践出发，延伸到 RAG/Agent/MCP/AI Coding，考察学习深度和技术视野

面试节奏建议：

基础部分如果候选人某题回答非常好，可跳过同模块后续题，节省时间留给项目深挖
编码部分 15min 写代码 + 5min 讨论追问
AI 部分作为加分项灵活掌握，如果前面超时可适当压缩

候选人背景：<X年经验，当前公司/职位，核心业务方向>

技术栈：<核心技术栈列表，用 / 分隔>

建议时间分配：<各维度时间分配>，共约 X 分钟

一、基础考察（Xmin）

1.1 <子方向名称>

【Q1】 <题目内容，尽量结合候选人的项目场景提问>

出题原因：<为什么针对该候选人出此题，关联简历中的哪个技能声明或项目经历>

考察要点：<面试官应关注的回答要素，列出关键知识点和判断标准>

1.2 <子方向名称>

【Q_】 <题目内容>

出题原因：<出题依据>

考察要点：<评判标准>

二、项目考察（Xmin）

2.1 架构全景

【Q_】 <请候选人描述核心项目的整体架构和数据流转链路>

出题原因：<验证候选人对系统全貌的掌握程度，区分"主导"与"参与">

考察要点：<完整性、准确性、层次感>

2.2 核心方案深挖

【Q_】 <针对简历中某个技术亮点深入追问>

出题原因：<该亮点是候选人的核心卖点，需验证深度>

考察要点：<具体技术细节、设计决策、异常处理>

2.3 工程化能力

【Q_】 <针对容错/监控/性能优化等工程实践提问>

出题原因：<考察候选人的工程化成熟度>

考察要点：<方案完整性、细节把控>

三、编码能力考察（Xmin）

题目：<题目名称>

<题目描述，说明业务背景和需求>

/**
 * <接口说明和约束条件>
 */
<接口定义/代码框架>

出题原因：<为什么选择这个题目，与候选人经历的关联>

考察要点：

数据结构选择：<期望的数据结构及理由>

并发安全：<如果要求线程安全，关注点是什么>

OOP 设计：<类设计、接口抽象等>

边界条件：<需要处理的边界情况>

代码质量：<命名、可读性、职责划分>

追问（编码完成后口头讨论）：

<追问问题，通常是性能优化或分布式扩展方向>

出题原因：<追问的考察目标>

考察要点：<期望回答的关键点>

四、AI 能力考察（Xmin）

4.1 <AI 子方向>

【Q_】 <题目内容>

出题原因：<出题依据>

考察要点：<评判标准>

附：出题思路与时间管理建议

考察维度	题数	时间	设计思路
基础考察	X题	Xmin	<核心思路>
项目考察	X题	Xmin	<核心思路>
编码考察	X题+X追问	Xmin	<核心思路>
AI考察	X题	Xmin	<核心思路>

面试节奏建议：

<提示1：什么情况下可以跳题>
<提示2：编码部分的时间分配>
<提示3：哪些部分可以灵活压缩>

backend-interviewer

Backend Interviewer - 后端面试出题助手

Purpose

When to Use

Input Documents

Analysis Process

1. Resume Analysis

2. Determine Assessment Dimensions

3. Generate Questions per Dimension

3.1 Fundamentals (基础考察)

3.2 Project Assessment (项目考察)

3.3 Coding Assessment (编码考察)

3.4 AI Assessment (AI考察)

4. Add Reasoning to Each Question

5. Time Budget Optimization

6. Compile Final Document

Output Document Structure

四、AI 能力考察（Xmin）

附：出题思路与时间管理建议

1.3 Redis

1.4 RocketMQ

二、项目考察（15min）

2.1 架构全景

2.2 核心方案深挖

2.3 工程化能力

三、编码能力考察（20min）

题目：实现一个简化版的工单优先级分配队列

四、AI 能力考察（10min）

4.1 AI 实践认知

4.2 Agent & MCP

4.3 AI Coding

附：出题思路与精简说明

一、基础考察（Xmin）

1.1 <子方向名称>

1.2 <子方向名称>

二、项目考察（Xmin）

2.1 架构全景

2.2 核心方案深挖

2.3 工程化能力

三、编码能力考察（Xmin）

题目：<题目名称>

四、AI 能力考察（Xmin）

4.1 <AI 子方向>

附：出题思路与时间管理建议