工程与系统 · 共 2 个专题
工程与系统 2 专题 · 5 题

系统设计

协作、测试与可观测性

Git 协作规范、测试与 CI 边界、线上排障的落地口径与话术。

3 道题 约 5 分钟 工程与系统 · 工程实践

这一页覆盖研发协作、质量门禁和线上稳定性:Git 分支与代码评审、测试与 CI 的边界、故障排查与可观测性。面试官不考名词,而是追问你们团队怎么定规则、你实际怎么执行。

Q1

你们的 Git 分支策略和代码评审流程是怎样的?

高频

一句话回答: 主干开发、短分支:功能分支活不过两天,合并前过 CI 和一名 owner 评审,发布靠 tag 和灰度,不养长期 release 分支。

展开:

  • 分支:main 常绿,feature 从 main 切出,每天 rebase,不攒一周再合。

  • 合并:squash 保持线性历史,一个 PR 只做一件事,回滚就是 revert 一次提交。

  • 评审:PR 控制在 400 行内,模板写背景、改动、验证、回滚,24 小时内给结论。

  • 取舍:小团队用 trunk-based;多版本并行才留 release 分支,代价是 cherry-pick 和重复回归。

  • AI 场景:prompt、检索参数、评测集也走评审,必须附评测前后对比。

  • 紧急修复:hotfix 照样开 PR,可先合后补评审,24 小时内补测试。

  • 度量:看 PR 存活时间、评审轮次、回滚率,不看提交数。

  • 话术:「流程不是重,是让每次合并都能单独回滚。」

追问: 评审总说「看不过来」怎么办?—— 拆小 PR、给模板、先看测试和评测结果再看 diff。

#Git#Code Review#协作
Q2

单元测试和 CI 做到什么程度就够了?边界在哪?

进阶

一句话回答: 单测锁纯逻辑和状态机,CI 只卡能自动判定的门槛;LLM 输出用结构校验加评测集兜底,不追覆盖率数字。

展开:

  • 分层:lint 和类型检查 2 分钟,单测 5 分钟,评测回归放 nightly。

  • 单测边界:分块、权限过滤、重试退避、计费必须有;UI 文案不测。

  • LLM 断言:别写死字符串,用 JSON 结构校验、关键字段包含、拒答正确率。

  • 评测集:200 条覆盖典型、边界、对抗,命中率掉 3 个点就阻断合并。

  • 集成:锁接口契约和鉴权,外部模型用固定回放,避免 CI 抖动。

  • flaky:24 小时内修或删,连续失败三次自动摘除并建单。

  • 回滚:上线前准备开关和回滚脚本,CI 通过不代表能发,发布环节单独卡。

  • 话术:「我不追 90% 覆盖率,只保证改坏核心链路时 CI 会响。」

追问: CI 太慢大家直接跳过怎么办?—— PR 只跑快检,nightly 跑全量;失败信息给到具体 case 和 diff。

#测试#CI#工程效率
Q3

线上出故障你怎么排查?平时怎么建可观测性?

专家

一句话回答: 先止血再定位:看影响面和最近变更,按入口、依赖、模型、存储四层看指标,再用 trace 还原单次请求。

展开:

  • 三件套:指标看 QPS、P95、错误率、token 成本;日志带 request_id;trace 拆段耗时。

  • 告警:按 SLO 和用户影响面告警,别让 CPU 抖动半夜叫人。

  • LLM 专项:记录 prompt 版本、检索命中、输出校验结果,否则无法复现。

  • 止血:先回滚最近变更或切流,保留现场,别急着重启。

  • 案例:一次超时,trace 显示 80% 耗时在重排,模型从 GPU 掉到 CPU;扩容后 P95 从 12 秒降到 2.3 秒。

  • 复盘:48 小时内出报告,写时间线、根因、影响、改进项和 owner。

  • 话术:「没有 trace 的故障只能靠猜,先补观测再谈优化。」

追问: 故障复现不了怎么办?—— 用 trace 和输入快照回放;没有观测就先补日志,再谈根因。

#可观测性#故障排查#SRE