【第四范式】【Agent 开发】【暑期实习二面】面经（八股+大模型项目+手撕）

背景

海外一年制硕士，投递第四范式 Agent 开发暑期实习，简历偏 LLM 应用与后端混合方向，一面通过后约 5 天进入二面。二面时长约 60 分钟，面试官是 Agent 平台组的工程师，整体节奏偏工程落地，八股问得不深但会追着项目细节往下挖。

题目摘要

1. Go 语言基础：slice 的底层结构与扩容机制，map 并发读写为什么会 panic，sync.Map 适用场景；defer 的执行顺序与返回值陷阱。
2. MySQL / Redis 八股：MySQL 聚簇索引与回表，explain 中 type 字段的等级；Redis 缓存穿透/击穿/雪崩的区别与各自解法，分布式锁用 SETNX 时为什么要带过期时间和唯一 value。
3. RAG 项目深挖：文档切分策略怎么定的，召回阶段用的什么检索方式，如何评估召回质量，幻觉怎么压。
4. Function Calling / 上下文管理：多轮对话里工具调用结果怎么回填，上下文超长怎么截断，工具描述写不好导致误调用怎么处理。
5. 推理成本优化：线上 QPS 上来后 token 成本怎么控，有没有做缓存、模型分级、prompt 压缩。
6. 手撕算法：给一个字符串数组，要求按字符出现频率对字符排序，频率相同按字典序，返回排序后的字符序列（本质是哈希计数 + 自定义排序，或桶排序）。关键思路：先统计频率，再按 (频率降序, 字符升序) 排序；若要求 O(n) 可用频率桶从高到低收集。面试官要求手写并口述复杂度。

项目深挖

追问一：RAG 的切分和召回你是怎么设计的，效果不好时怎么定位问题？

参考回答方向：先讲切分不是拍脑袋，而是按文档类型分。结构化文档按标题层级切，长文本按语义段落 + 固定窗口重叠切，重叠是为了防止答案被切断。召回上如果只用向量检索，遇到专有名词、编号、代码符号会漏，所以补了 BM25 做混合检索，再用 rerank 模型精排。定位问题时把链路拆成「切分是否把答案切碎」「召回 top-k 里有没有正确答案」「有答案但生成没用好」三段，分别看召回命中率和最终回答准确率，避免一上来就调 prompt。

追问二：Function Calling 在多轮里怎么管理，工具调用失败或者模型乱调怎么办？

参考回答方向：工具调用结果以 tool role 的消息回填，保留 tool_call_id 做关联。上下文管理上，历史工具结果只保留最近若干轮，更早的做摘要压缩，避免 token 爆炸。模型乱调主要靠三件事：工具描述写清楚参数含义和边界、给必填参数做 schema 校验、对高风险工具加二次确认或白名单。调用失败时把错误信息结构化回填给模型，让它决定重试还是换工具，而不是直接抛异常中断对话。

追问三：推理成本你实际做过什么优化，效果怎么衡量？

参考回答方向：分三层。请求层做语义缓存，相似 query 直接命中；模型层做分级，简单意图走小模型，复杂推理才上大模型；prompt 层压缩冗余指令和 few-shot 示例，减少输入 token。衡量上不只看单次成本，要看「单位有效回答成本」，即总 token 花费除以成功解决的请求数，否则一味降本会把准确率也降下去。

准备建议

1. 把项目里的每个数字都准备好：召回率、top-k、token 消耗、延迟、成本降幅，面试官一定会问「你怎么知道有效果」，答不出量化指标会被认为项目是跟着教程做的。
2. 八股只背高频且能延伸的：Go 的 slice/map/defer、MySQL 索引与 explain、Redis 三兄弟和分布式锁，这几块能讲清原理 + 一个实际踩坑例子就够了，不用铺太广。
3. 手撕题按题型刷：哈希计数 + 自定义排序、双指针、滑动窗口、二叉树遍历这几类覆盖大部分 Agent 岗手撕，练到能边写边讲复杂度，别只背题解。

结果

二面结束当天状态变为通过，3 天后收到 HR 约三面（交叉面）的通知。

想系统备战大厂大模型/Agent 开发？NiceOffer 提供 SDE+LLM 双轨 1v1 陪跑，合同保底 40w 年薪，文末扫码咨询。