互联网大厂Java面试实录Spring Boot、Kafka、Redis一致性与Spring AI RAG小Y的翻车现场故事背景某互联网大厂「内容社区与UGC」事业部业务包含发帖/评论/点赞/关注、Feed流、图片/短视频处理、广告与风控、以及“智能客服/内容审核”的AIGC能力。面试官严肃脸“我们不背八股围绕业务聊。你叫小Y是吧”小Y自信又心虚“是的老师我……我主打一个‘能跑就行’。”第一轮UGC发帖链路Spring Boot DB ORM 事务Q1请你描述一下“发帖”接口的基本架构与分层你会用哪些Spring组件面试官我们用 Spring Boot你说下 Controller/Service/DAO 怎么切异常怎么处理。小Y “就……一个RestController接一下然后Service里面写业务Mapper或Repository访问数据库。异常的话……try-catch 一把梭实在不行就返回 500。”面试官点头 “分层说对了。异常别一把梭等会儿我们深入。”Q2发帖要写多张表帖子表、话题关系表、图片表、审核任务表你怎么保证一致性用Transactional有什么坑小Y “加Transactional就行了吧……坑嘛可能会回滚我一般都加在方法上稳。”面试官语气加重 “‘稳’不是答案。Transactional传播行为、回滚规则、代理失效都可能出事。继续。”Q3MyBatis、JPA/Hibernate你怎么选在大厂内容业务里各有什么坑小Y “我选 MyBatis因为 SQL 看得见。JPA 太自动了怕它乱来。”面试官略微认可 “知道 JPA 可能‘乱来’是对的但要说清楚N1、脏检查、批量更新、一级缓存等。下一题。”Q4数据库连接池你用HikariCP还是C3P0为什么小Y “HikariCP 吧听说快……C3P0 比较老。理由……快。”面试官第一次夸 “方向对HikariCP 在 Spring Boot 默认就是它。‘快’要能说出指标更少的锁、更低的开销、更好的超时与泄漏检测。不错第一轮过。”第二轮Feed流与高并发Redis缓存、Kafka异步、监控链路Q1帖子详情接口QPS很高你怎么做缓存如何避免缓存穿透、击穿、雪崩小Y “Redis 缓存一下帖子详情。穿透就……加布隆过滤器击穿就……加锁雪崩就……随机过期我记得是这样。”面试官认可并引导 “不错词都对。等会儿在答案里把方案写完整哪些key怎么降级锁怎么做。”Q2缓存与数据库一致性怎么做比如编辑帖子后读到旧数据怎么办小Y “我一般先更新数据库再删缓存。或者先删缓存再更新数据库……反正删一下就行。”面试官皱眉 “‘反正删一下’会出事故。你要讲清楚双删、延迟双删、消息队列、binlog订阅、版本号、旁路缓存策略。继续。”Q3发帖后要异步做图片审核、内容风控、推荐索引更新你会用Kafka还是RabbitMQ怎么保证至少一次/不丢消息小Y “Kafka 吧抗压。保证不丢就是……多发几次或者开事务我记不太清。”面试官严肃 “你这就开始‘玄学’了。要说 producer acks、min.insync.replicas、幂等生产者、消费者手动提交offset、重试与死信等。”Q4线上问题排查接口偶发慢你怎么用Micrometer Prometheus Grafana ELK/Jaeger定位小Y “Grafana 看图ELK 查日志Jaeger 看链路。慢的话……可能是数据库慢然后加索引”面试官 “方向可以但要结构化指标RED/USE、日志、链路追踪、再结合JVM指标。第二轮一般。”第三轮智能客服与AIGCSpring AI、RAG、向量检索、工具调用、MCP/AgentQ1我们要做“社区智能客服”支持企业知识库问答。你怎么设计RAG链路小Y “RAG 就是先去数据库查资料再让大模型回答。链路……大概是用户问 - 查 - 回答。”面试官叹气 “你把‘检索’说成了‘查数据库’。需要向量化、向量库、召回、重排、提示填充、引用来源、拒答策略。”Q2向量数据库Milvus/Chroma/Redis Vector你怎么选Embedding模型OpenAI/Ollama怎么落地小Y “Milvus 感觉专业Redis 也能存。Embedding 就用 OpenAI 的吧……要是没网就 Ollama我也能部署。”面试官少见地笑了一下 “你至少知道‘内网/合规’会影响模型选择。但落地要讲维度、吞吐、索引HNSW/IVF、冷热分层、成本。”Q3如何降低AI幻觉如何做“可追溯回答”和“安全合规”小Y “幻觉就……让它别瞎说多给它资料合规就过滤敏感词。”面试官 “这就是‘许愿式工程’。要基于引用的回答、检索阈值、拒答、结构化输出校验、内容安全策略、审计日志。”Q4你理解的Agent和MCP模型上下文协议是什么工具调用怎么标准化小Y “Agent 就是会自己干活的机器人。MCP……就是一种协议工具调用就是让它调接口。我觉得挺像RPC。”面试官总结 “你理解有个影子但没落到工程细节工具schema、权限隔离、会话内存、工具失败重试与幂等等。”面试收尾面试官 “整体看你基础还行场景题需要更工程化的表达。回去等通知吧我们会在一周内反馈。”小Y松一口气 “好的老师我回去就把‘反正删缓存’改成‘我有体系’。”面试题标准答案与解析小白可直接学以下按三轮问题逐题给出“业务场景 技术点 推荐做法”。第一轮答案发帖链路Spring Boot 事务 ORM 连接池A1发帖接口架构与分层Spring Boot / Spring MVC业务场景用户发帖涉及参数校验、鉴权、风控、落库、异步任务投递。推荐分层Controller接口层RestControllerPostMapping(/posts)只做 DTO 接收、参数校验Valid、返回统一响应。Service领域/业务层组织业务流程鉴权、幂等、事务、领域校验。对外依赖MQ、缓存、第三方通过接口抽象。Repository/DAO数据访问层MyBatisMapper XML/注解SQLJPAJpaRepository/EntityManager统一异常处理ControllerAdviceExceptionHandler将业务异常映射为业务错误码400/409等系统异常记录日志后返回通用错误。关键点不要在 Controller 里写事务和复杂逻辑异常要分层、可观测。A2多表写一致性与Transactional常见坑业务场景写帖子、图片、话题关系、审核任务要求“要么都成功要么都失败”。做法在Service 方法上使用Transactional包裹“同一数据库”的多表写入。对“跨系统”如MQ、ES索引采用最终一致性Outbox/事件驱动。常见坑代理失效同一个类内部自调用带Transactional的方法不生效。回滚规则默认只回滚RuntimeException/Error受检异常需rollbackFor。传播行为REQUIRED默认REQUIRES_NEW会挂起外层事务慎用可能导致部分提交隔离级别与幻读/不可重复读内容编辑/审核状态变更要考虑并发。长事务把网络调用/MQ发送放进事务会拖慢并持锁。A3MyBatis vs JPA/Hibernate 如何选内容业务常见特点查询复杂Feed、条件过滤、分页、联表写多读多性能敏感MyBatis优点SQL显式可控便于优化、走索引、做分库分表适配。JPA/Hibernate优点开发效率高适合相对简单的 CRUD、清晰的领域模型。JPA常见坑面试常考N1 查询懒加载导致循环查询。脏检查开销大对象图导致flush慢。批量更新需注意 persistence context 与数据库不一致。一级缓存同事务内读到的是缓存对象可能造成“以为更新了但没落库”的误判。工程建议大厂常见组合简单域用 JPA复杂SQL用 MyBatis或 JPA native query。A4HikariCP vs C3P0结论Spring Boot 默认推荐HikariCP。原因更少的同步与锁竞争性能和延迟更好。超时、连接泄漏检测等更现代化。要点配置maximumPoolSize、connectionTimeout、idleTimeout、maxLifetime结合数据库端wait_timeout避免“连接被服务端回收导致偶发错误”。第二轮答案缓存与异步Redis、Kafka、监控A1Redis缓存与三大问题穿透/击穿/雪崩业务场景帖子详情GET /posts/{id}QPS 高。缓存策略旁路缓存 Cache-Aside先查 Redis未命中查 DB写入 Redis设置 TTL穿透查不存在的ID布隆过滤器Bloom Filter拦截不存在的 key或缓存空值短TTL击穿热点key过期瞬间大量并发打到DB热点key互斥锁SETNX 合理过期逻辑过期缓存中存 valueexpireAt过期后后台异步刷新雪崩大量key同时过期/Redis故障TTL 增加随机抖动多级缓存Caffeine 本地 Redis限流/熔断/降级Resilience4jA2缓存与数据库一致性编辑帖子推荐顺序先更新DB再删除缓存更常用为什么不是“先删缓存再更新DB”并发下可能出现删缓存后读请求查DB得到旧值并回填缓存随后写请求更新DB缓存变旧。常用方案更新DB - 删除缓存主方案延迟双删删除缓存后延迟再删一次对抗并发回填消息队列/事件驱动更新后发事件异步删除缓存、更新ES索引等最终一致性版本号/时间戳写入缓存携带 version回填时做CAS校验注意删除失败要有重试与告警可通过本地消息表Outbox保证事件不丢。A3Kafka vs RabbitMQ 与不丢消息/至少一次业务场景发帖后异步做审核、索引、风控。选择Kafka高吞吐、分区扩展、日志型存储适合事件流与大规模异步。RabbitMQ路由灵活、延迟队列等特性强吞吐通常不如Kafka视场景。Kafka不丢消息关键配置Produceracksallenable.idempotencetrue幂等生产合理retries与delivery.timeout.msBrokermin.insync.replicas配合副本数Consumer手动提交 offset处理成功再提交失败重试 死信队列/重试主题语义Kafka 常见是至少一次想要“效果上不重复”需消费端幂等根据业务唯一键去重或事务性写入复杂且成本高A4Micrometer Prometheus Grafana ELK/Jaeger 排障套路业务场景接口偶发慢。步骤指标MetricsMicrometer 暴露 QPS、P95/P99 延迟、错误率Prometheus 抓取Grafana 看趋势用 REDRate/Errors/Duration定位是整体变慢还是局部抖动日志LogsELK 按 traceId / userId / postId 聚合结构化日志JSON 关键字段链路追踪TracingJaeger/Zipkin 找到慢在 DB、Redis、下游HTTP 还是 MQJVM与资源GC、线程池队列、连接池等待结论输出不是“加索引”三个字要能说出“慢点在哪里、证据是什么”。第三轮答案智能客服Spring AI、RAG、向量库、Agent/MCPA1企业知识库问答的RAG链路设计业务场景客服回答“退货规则/发票/账号异常”必须可追溯、低幻觉。标准RAG流程文档加载Document LoadingPDF/网页/DB/工单 - 切分chunk向量化Embeddingchunk - embedding向量如 1536/768维向量库检索Vector SearchMilvus/Chroma/Redis Vector 做相似度召回重排Rerank可选用交叉编码器或规则提升相关性提示填充Prompt把召回片段 约束指令必须引用来源/不确定则拒答拼接生成LLM输出答案 引用会话内存Memory保存上下文但要做窗口/摘要避免污染Spring AI落地ChatClient/ChatModelVectorStore接口对接 Milvus/RedisRetrieverPromptTemplateA2向量数据库与Embedding模型选型向量库选择维度数据量级百万/千万查询延迟50ms?索引类型HNSW、IVF、PQ部署形态K8s、运维成本简单建议POC/小规模Chroma大规模/专业向量检索Milvus已重度依赖Redis、追求简化Redis VectorEmbedding模型落地公有云OpenAI等效果好但要考虑合规、成本与网络私有化Ollama/本地embedding模型可控合规需算力与效果评估A3降低AI幻觉与安全合规降低幻觉工程手段基于引用回答答案必须引用检索片段无引用则拒答检索阈值相似度低于阈值直接“无法确定”结构化输出校验JSON Schema 校验不符合则重试/降级防提示注入对用户输入做策略禁止让模型泄露系统prompt/密钥安全合规敏感信息识别PII/涉政/涉黄等 审核策略全链路审计请求、检索文档ID、回答、工具调用记录权限隔离不同企业知识库分租户隔离A4Agent、MCP与工具调用标准化Agent让模型在“规划-执行-反思”循环中调用工具搜索、工单系统、退款接口等完成任务。MCP模型上下文协议核心价值标准化“模型如何发现工具、如何描述参数schema、如何调用与返回结果”。让工具以统一协议暴露模型侧更可扩展。工具调用工程要点工具Schema参数类型、必填、范围权限与隔离哪些用户/场景能调用退款/查订单幂等与重试工具可能超时/失败观测与告警每次tool call记录 traceId标签Java,Spring Boot,Spring Cloud,Redis,Kafka,MyBatis,JPA,Hibernate,HikariCP,Micrometer,Prometheus,Grafana,ELK,Jaeger,Spring AI,RAG,Milvus,MCP,Agent
互联网大厂Java面试实录：Spring Boot、Kafka、Redis一致性与Spring AI RAG（小Y的翻车现场）
互联网大厂Java面试实录Spring Boot、Kafka、Redis一致性与Spring AI RAG小Y的翻车现场故事背景某互联网大厂「内容社区与UGC」事业部业务包含发帖/评论/点赞/关注、Feed流、图片/短视频处理、广告与风控、以及“智能客服/内容审核”的AIGC能力。面试官严肃脸“我们不背八股围绕业务聊。你叫小Y是吧”小Y自信又心虚“是的老师我……我主打一个‘能跑就行’。”第一轮UGC发帖链路Spring Boot DB ORM 事务Q1请你描述一下“发帖”接口的基本架构与分层你会用哪些Spring组件面试官我们用 Spring Boot你说下 Controller/Service/DAO 怎么切异常怎么处理。小Y “就……一个RestController接一下然后Service里面写业务Mapper或Repository访问数据库。异常的话……try-catch 一把梭实在不行就返回 500。”面试官点头 “分层说对了。异常别一把梭等会儿我们深入。”Q2发帖要写多张表帖子表、话题关系表、图片表、审核任务表你怎么保证一致性用Transactional有什么坑小Y “加Transactional就行了吧……坑嘛可能会回滚我一般都加在方法上稳。”面试官语气加重 “‘稳’不是答案。Transactional传播行为、回滚规则、代理失效都可能出事。继续。”Q3MyBatis、JPA/Hibernate你怎么选在大厂内容业务里各有什么坑小Y “我选 MyBatis因为 SQL 看得见。JPA 太自动了怕它乱来。”面试官略微认可 “知道 JPA 可能‘乱来’是对的但要说清楚N1、脏检查、批量更新、一级缓存等。下一题。”Q4数据库连接池你用HikariCP还是C3P0为什么小Y “HikariCP 吧听说快……C3P0 比较老。理由……快。”面试官第一次夸 “方向对HikariCP 在 Spring Boot 默认就是它。‘快’要能说出指标更少的锁、更低的开销、更好的超时与泄漏检测。不错第一轮过。”第二轮Feed流与高并发Redis缓存、Kafka异步、监控链路Q1帖子详情接口QPS很高你怎么做缓存如何避免缓存穿透、击穿、雪崩小Y “Redis 缓存一下帖子详情。穿透就……加布隆过滤器击穿就……加锁雪崩就……随机过期我记得是这样。”面试官认可并引导 “不错词都对。等会儿在答案里把方案写完整哪些key怎么降级锁怎么做。”Q2缓存与数据库一致性怎么做比如编辑帖子后读到旧数据怎么办小Y “我一般先更新数据库再删缓存。或者先删缓存再更新数据库……反正删一下就行。”面试官皱眉 “‘反正删一下’会出事故。你要讲清楚双删、延迟双删、消息队列、binlog订阅、版本号、旁路缓存策略。继续。”Q3发帖后要异步做图片审核、内容风控、推荐索引更新你会用Kafka还是RabbitMQ怎么保证至少一次/不丢消息小Y “Kafka 吧抗压。保证不丢就是……多发几次或者开事务我记不太清。”面试官严肃 “你这就开始‘玄学’了。要说 producer acks、min.insync.replicas、幂等生产者、消费者手动提交offset、重试与死信等。”Q4线上问题排查接口偶发慢你怎么用Micrometer Prometheus Grafana ELK/Jaeger定位小Y “Grafana 看图ELK 查日志Jaeger 看链路。慢的话……可能是数据库慢然后加索引”面试官 “方向可以但要结构化指标RED/USE、日志、链路追踪、再结合JVM指标。第二轮一般。”第三轮智能客服与AIGCSpring AI、RAG、向量检索、工具调用、MCP/AgentQ1我们要做“社区智能客服”支持企业知识库问答。你怎么设计RAG链路小Y “RAG 就是先去数据库查资料再让大模型回答。链路……大概是用户问 - 查 - 回答。”面试官叹气 “你把‘检索’说成了‘查数据库’。需要向量化、向量库、召回、重排、提示填充、引用来源、拒答策略。”Q2向量数据库Milvus/Chroma/Redis Vector你怎么选Embedding模型OpenAI/Ollama怎么落地小Y “Milvus 感觉专业Redis 也能存。Embedding 就用 OpenAI 的吧……要是没网就 Ollama我也能部署。”面试官少见地笑了一下 “你至少知道‘内网/合规’会影响模型选择。但落地要讲维度、吞吐、索引HNSW/IVF、冷热分层、成本。”Q3如何降低AI幻觉如何做“可追溯回答”和“安全合规”小Y “幻觉就……让它别瞎说多给它资料合规就过滤敏感词。”面试官 “这就是‘许愿式工程’。要基于引用的回答、检索阈值、拒答、结构化输出校验、内容安全策略、审计日志。”Q4你理解的Agent和MCP模型上下文协议是什么工具调用怎么标准化小Y “Agent 就是会自己干活的机器人。MCP……就是一种协议工具调用就是让它调接口。我觉得挺像RPC。”面试官总结 “你理解有个影子但没落到工程细节工具schema、权限隔离、会话内存、工具失败重试与幂等等。”面试收尾面试官 “整体看你基础还行场景题需要更工程化的表达。回去等通知吧我们会在一周内反馈。”小Y松一口气 “好的老师我回去就把‘反正删缓存’改成‘我有体系’。”面试题标准答案与解析小白可直接学以下按三轮问题逐题给出“业务场景 技术点 推荐做法”。第一轮答案发帖链路Spring Boot 事务 ORM 连接池A1发帖接口架构与分层Spring Boot / Spring MVC业务场景用户发帖涉及参数校验、鉴权、风控、落库、异步任务投递。推荐分层Controller接口层RestControllerPostMapping(/posts)只做 DTO 接收、参数校验Valid、返回统一响应。Service领域/业务层组织业务流程鉴权、幂等、事务、领域校验。对外依赖MQ、缓存、第三方通过接口抽象。Repository/DAO数据访问层MyBatisMapper XML/注解SQLJPAJpaRepository/EntityManager统一异常处理ControllerAdviceExceptionHandler将业务异常映射为业务错误码400/409等系统异常记录日志后返回通用错误。关键点不要在 Controller 里写事务和复杂逻辑异常要分层、可观测。A2多表写一致性与Transactional常见坑业务场景写帖子、图片、话题关系、审核任务要求“要么都成功要么都失败”。做法在Service 方法上使用Transactional包裹“同一数据库”的多表写入。对“跨系统”如MQ、ES索引采用最终一致性Outbox/事件驱动。常见坑代理失效同一个类内部自调用带Transactional的方法不生效。回滚规则默认只回滚RuntimeException/Error受检异常需rollbackFor。传播行为REQUIRED默认REQUIRES_NEW会挂起外层事务慎用可能导致部分提交隔离级别与幻读/不可重复读内容编辑/审核状态变更要考虑并发。长事务把网络调用/MQ发送放进事务会拖慢并持锁。A3MyBatis vs JPA/Hibernate 如何选内容业务常见特点查询复杂Feed、条件过滤、分页、联表写多读多性能敏感MyBatis优点SQL显式可控便于优化、走索引、做分库分表适配。JPA/Hibernate优点开发效率高适合相对简单的 CRUD、清晰的领域模型。JPA常见坑面试常考N1 查询懒加载导致循环查询。脏检查开销大对象图导致flush慢。批量更新需注意 persistence context 与数据库不一致。一级缓存同事务内读到的是缓存对象可能造成“以为更新了但没落库”的误判。工程建议大厂常见组合简单域用 JPA复杂SQL用 MyBatis或 JPA native query。A4HikariCP vs C3P0结论Spring Boot 默认推荐HikariCP。原因更少的同步与锁竞争性能和延迟更好。超时、连接泄漏检测等更现代化。要点配置maximumPoolSize、connectionTimeout、idleTimeout、maxLifetime结合数据库端wait_timeout避免“连接被服务端回收导致偶发错误”。第二轮答案缓存与异步Redis、Kafka、监控A1Redis缓存与三大问题穿透/击穿/雪崩业务场景帖子详情GET /posts/{id}QPS 高。缓存策略旁路缓存 Cache-Aside先查 Redis未命中查 DB写入 Redis设置 TTL穿透查不存在的ID布隆过滤器Bloom Filter拦截不存在的 key或缓存空值短TTL击穿热点key过期瞬间大量并发打到DB热点key互斥锁SETNX 合理过期逻辑过期缓存中存 valueexpireAt过期后后台异步刷新雪崩大量key同时过期/Redis故障TTL 增加随机抖动多级缓存Caffeine 本地 Redis限流/熔断/降级Resilience4jA2缓存与数据库一致性编辑帖子推荐顺序先更新DB再删除缓存更常用为什么不是“先删缓存再更新DB”并发下可能出现删缓存后读请求查DB得到旧值并回填缓存随后写请求更新DB缓存变旧。常用方案更新DB - 删除缓存主方案延迟双删删除缓存后延迟再删一次对抗并发回填消息队列/事件驱动更新后发事件异步删除缓存、更新ES索引等最终一致性版本号/时间戳写入缓存携带 version回填时做CAS校验注意删除失败要有重试与告警可通过本地消息表Outbox保证事件不丢。A3Kafka vs RabbitMQ 与不丢消息/至少一次业务场景发帖后异步做审核、索引、风控。选择Kafka高吞吐、分区扩展、日志型存储适合事件流与大规模异步。RabbitMQ路由灵活、延迟队列等特性强吞吐通常不如Kafka视场景。Kafka不丢消息关键配置Produceracksallenable.idempotencetrue幂等生产合理retries与delivery.timeout.msBrokermin.insync.replicas配合副本数Consumer手动提交 offset处理成功再提交失败重试 死信队列/重试主题语义Kafka 常见是至少一次想要“效果上不重复”需消费端幂等根据业务唯一键去重或事务性写入复杂且成本高A4Micrometer Prometheus Grafana ELK/Jaeger 排障套路业务场景接口偶发慢。步骤指标MetricsMicrometer 暴露 QPS、P95/P99 延迟、错误率Prometheus 抓取Grafana 看趋势用 REDRate/Errors/Duration定位是整体变慢还是局部抖动日志LogsELK 按 traceId / userId / postId 聚合结构化日志JSON 关键字段链路追踪TracingJaeger/Zipkin 找到慢在 DB、Redis、下游HTTP 还是 MQJVM与资源GC、线程池队列、连接池等待结论输出不是“加索引”三个字要能说出“慢点在哪里、证据是什么”。第三轮答案智能客服Spring AI、RAG、向量库、Agent/MCPA1企业知识库问答的RAG链路设计业务场景客服回答“退货规则/发票/账号异常”必须可追溯、低幻觉。标准RAG流程文档加载Document LoadingPDF/网页/DB/工单 - 切分chunk向量化Embeddingchunk - embedding向量如 1536/768维向量库检索Vector SearchMilvus/Chroma/Redis Vector 做相似度召回重排Rerank可选用交叉编码器或规则提升相关性提示填充Prompt把召回片段 约束指令必须引用来源/不确定则拒答拼接生成LLM输出答案 引用会话内存Memory保存上下文但要做窗口/摘要避免污染Spring AI落地ChatClient/ChatModelVectorStore接口对接 Milvus/RedisRetrieverPromptTemplateA2向量数据库与Embedding模型选型向量库选择维度数据量级百万/千万查询延迟50ms?索引类型HNSW、IVF、PQ部署形态K8s、运维成本简单建议POC/小规模Chroma大规模/专业向量检索Milvus已重度依赖Redis、追求简化Redis VectorEmbedding模型落地公有云OpenAI等效果好但要考虑合规、成本与网络私有化Ollama/本地embedding模型可控合规需算力与效果评估A3降低AI幻觉与安全合规降低幻觉工程手段基于引用回答答案必须引用检索片段无引用则拒答检索阈值相似度低于阈值直接“无法确定”结构化输出校验JSON Schema 校验不符合则重试/降级防提示注入对用户输入做策略禁止让模型泄露系统prompt/密钥安全合规敏感信息识别PII/涉政/涉黄等 审核策略全链路审计请求、检索文档ID、回答、工具调用记录权限隔离不同企业知识库分租户隔离A4Agent、MCP与工具调用标准化Agent让模型在“规划-执行-反思”循环中调用工具搜索、工单系统、退款接口等完成任务。MCP模型上下文协议核心价值标准化“模型如何发现工具、如何描述参数schema、如何调用与返回结果”。让工具以统一协议暴露模型侧更可扩展。工具调用工程要点工具Schema参数类型、必填、范围权限与隔离哪些用户/场景能调用退款/查订单幂等与重试工具可能超时/失败观测与告警每次tool call记录 traceId标签Java,Spring Boot,Spring Cloud,Redis,Kafka,MyBatis,JPA,Hibernate,HikariCP,Micrometer,Prometheus,Grafana,ELK,Jaeger,Spring AI,RAG,Milvus,MCP,Agent
