NiceOffer

面试面经 · 第四范式

【第四范式】【大模型开发】【暑期实习HR面】面经（八股+大模型项目+手撕）

发布于 2026-08-30

第四范式面经大模型开发实习

第四范式 大模型开发 暑期实习 HR面 面经

背景：海外一年制硕士，计算机相关专业，有一段中小厂大模型应用实习，主攻 RAG 和 Agent 方向。

题目摘要

面试整体节奏偏快，技术面与 HR 面合并进行，总时长约 50 分钟。核心考点如下：

  1. 编程语言基础（Go）：考察 goroutine 调度模型、channel 底层实现、内存逃逸分析、GMP 模型中的 P 本地队列与全局队列交互逻辑。
  2. MySQL/Redis 八股：MySQL 事务隔离级别与 MVCC 实现原理、索引失效场景；Redis 的持久化机制（RDB/AOF）选择依据、缓存穿透与布隆过滤器应用。
  3. 大模型项目深挖（RAG + Agent）：围绕一个实际项目追问文档切分策略、检索召回率优化、LLM 幻觉缓解手段，以及多轮对话中的上下文管理方案。
  4. 手撕算法题：实现一个带过期时间的 LRU 缓存（LRU Cache with TTL）。要求写出 get 和 put 方法，get 时若 key 过期则删除并返回 -1，容量满时淘汰最久未使用且未过期的条目。
  5. 推理成本优化：针对线上服务，如何降低单次请求的 LLM 调用成本，包括 prompt 压缩、模型路由、缓存复用等。
  6. 场景设计题：给定一个客服问答系统，用户问题需要实时检索知识库并生成回答，如何设计整体链路并保证响应延迟 < 2s。

项目深挖

追问 1：你的 RAG 项目中文档切分是如何做的？为什么不用固定 chunk size？

参考回答方向：固定大小切分会导致语义断裂，尤其是表格和代码块。我使用基于结构感知的切分策略，先按 Markdown 标题层级划分章节，再对每个章节按段落边界和句子长度动态调整 chunk 大小。同时保留 metadata（章节路径、页码）用于检索后的引用溯源。面试官可能会追问切分粒度对召回率的影响，可以补充一个对比实验数据（如固定 512 字符 vs 动态切分，Recall@5 提升约 8%）。

追问 2：Agent 中 Function Calling 的上下文管理怎么做的？

参考回答方向：核心是控制历史消息的长度和相关性。我采用了两级策略：第一级是滑动窗口，只保留最近 N 轮对话；第二级是函数调用结果摘要，将大段的工具返回内容用 LLM 压缩成结构化摘要（如 JSON 字段），再注入到下一轮请求中。另外，对系统提示词和工具描述做持久化缓存，避免重复编码。面试官可能会问“摘要本身是否会造成信息丢失”，可以回答对关键字段（如金额、时间）做强制保留，摘要仅针对非结构化文本。

追问 3：你们如何评估 RAG 生成结果的质量？

参考回答方向：分为检索评估和生成评估。检索端用 Recall@K、MRR，生成端用 faithfulness（通过 NLI 模型判断生成内容是否被检索文档支持）和 answer relevance（与用户问题的语义相关性）。另外，我搭建了一个小规模的 golden dataset，覆盖常见问题类型和边界 case（如多跳问题、否定表达），用于回归测试。面试官可能追问“有没有遇到检索好但生成差的情况”，可以回答幻觉问题，并补充用 prompt 约束和知识库置信度过滤来缓解。

手撕算法题详解

题目：设计一个带过期时间的 LRU 缓存，支持 get(key) 和 put(key, value, ttl) 操作。get 时若 key 已过期，删除并返回 -1；put 时若容量满，淘汰最久未使用且未过期的条目。

关键思路：

  • 使用双向链表 + HashMap 实现 O(1) 的 LRU 淘汰。
  • 每个节点额外存储过期时间戳 expireAt，在 get 和 put 时检查当前时间是否超过 expireAt，若过期则从链表和 Map 中移除。
  • 淘汰时从链表尾部向前遍历，跳过已过期节点（实际上过期节点在访问时已懒删除，因此尾部节点即为最久未使用且未过期）。
  • 注意边界：put 更新已有 key 时，需要更新 value 和 ttl，并移动到链表头部。

代码骨架：

type Node struct {
    key, value int
    expireAt   int64
    prev, next *Node
}

type LRUCache struct {
    capacity int
    m        map[int]*Node
    head     *Node
    tail     *Node
}

准备建议

  1. Go 语言重点复习并发模型：不要只背概念，要能画出 GMP 调度流程图，并解释 channel 的发送和接收在底层如何通过 hchan 实现阻塞与唤醒。面试官可能追问 go func() 后协程何时被调度，建议结合 runtime.Gosched() 和 runtime.GOMAXPROCS 举例说明。
  2. 项目准备要带数据：每个优化点都要有量化对比，如“切分策略调整后召回率从 72% 提升到 81%”“引入缓存后平均延迟从 1.8s 降到 0.6s”。没有数据的优化在面试中缺乏说服力，建议提前整理一份项目指标表格。
  3. 手撕题要练到闭眼写：LRU 变体题（带 TTL、带频率）是高频考点，建议在 LeetCode 上找 LRU 和 LFU 原题各写三遍，并额外练习在 15 分钟内完成带过期时间的版本。注意 Go 中时间处理用 time.Now().UnixNano()，避免精度问题。

结果反馈

一面通过，两天后约了二面（技术终面），整体体验专业且高效，问题都围绕实际业务场景展开，没有纯八股轰炸。

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。

相关阅读