小红书产品工程师 Agent 一面：线程池与幻觉控制
本场面试题
- 异步转存的线程池怎样设计，核心参数怎样设置？
- 如何减少大模型生成的幻觉？
面经与参考答法
小红书产品工程师 Agent 一面：线程池与幻觉控制
公司为小红书，原记录标题标注产品工程师、Agent 开发、一面；没有明确面试日期或部门。本页选录异步转存的线程池设计与大模型幻觉控制两组。原算法给出的步长与前一步限制是清晰题面，但本文未选录；缓存与锁、个人实习贡献、自注意力和模型训练等其余问题也未展开。
以下短答与示例均为编辑补充，不代表作者的现场回答、实际技术栈、项目实现或企业标准答案。原记录没有给出线程池运行时；第一组以 JDK 21 的平台线程池作为有边界的教学例子。
（1）异步转存的线程池怎样设计，核心参数怎样设置？
先确定任务是计算、阻塞 I/O 还是混合负载，测量服务时间、到达率和下游容量。以 ThreadPoolExecutor 为例，把核心数、最大数、队列、空闲回收、线程工厂与拒绝策略一起设计；任务被接纳不等于已经完成，无界排队也不能解决持续过载。
在正常运行的简化接纳路径中，先在核心数内创建线程，之后优先入队，队列无法接纳时才尝试扩容到最大数，仍不能接纳就按策略拒绝。无界队列通常让最大线程数难以发挥扩容作用；真实实现还复核并发关闭等状态。JDK 21：ThreadPoolExecutor。
教学例子：转存对象先持久化为带任务 ID 的待办，再用有界线程池执行，并记录成功、失败或结果未知。提交被拒绝时应明确延后或失败，不能先向用户返回“转存完成”；请求超时后也应先查任务状态，避免重复写。监测排队等待、执行耗时、拒绝率、CPU 和下游错误，再按同一负载调整参数。这个方案是编辑示例，不是原项目架构。
（2）如何减少大模型生成的幻觉？
先区分缺少证据、检索漏召回、证据误读与无依据推断，再分别改进数据、检索、提示与结果校验。可验证事实交给可信来源或确定性工具，缺证据时保留未知或拒答；RAG、长上下文和模型自报置信度都不能保证零幻觉。
教学例子：产品资料没有保修期限时，模型不能凭同类产品补一个数字。检索应在用户权限内保留文档版本和原文引用，回答再检查数字、单位与引用是否真的支持结论；未命中就说明信息缺失。格式正确的 JSON 也可能装着编造事实。
改进后在冻结样本上分别检查有答案、无答案、冲突资料、过期信息和诱导输入，人工复核关键事实与拒答，报告错误类型和失败样本。降低一次错误不代表整个任务集已可靠；需要同时观察答案质量、覆盖率、延迟与成本。这些验收步骤是教学展开，并非原帖记录的额外面试追问。