面试题库 › C++ / 后端 › 降低AI应用响应延迟:缓存与异步策略

降低AI应用响应延迟:缓存与异步策略

难度 ★★☆在 1 场真实面经中被问到 方向:C++ / 后端考点:大模型推理服务

哪些公司问过

饿了么1

常见岗位:Java 后端

答案要点

  1. 流式输出(SSE/WebSocket)逐token推送,显著降低首字感知延迟
  2. 多级缓存:精确缓存、语义缓存(向量相似度超阈值命中),以及推理侧前缀KV Cache复用
  3. 语义缓存设保守阈值,并按用户、时效隔离,防止答非所问或数据串用
  4. 异步化:日志、记忆写入等非关键路径入队后台处理,多路检索与工具调用并行,长任务返回任务ID
  5. 模型路由与推理优化:简单问题走小模型,配合量化、连续批处理、投机解码、精简上下文

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题