面试面经 · 阿里巴巴
【阿里巴巴】【Agent 开发】【暑期实习三面】面经（八股+大模型项目+手撕）
海外一年制硕士，投递阿里云智能 Agent 开发暑期实习，三面技术终面，面试官是团队 P9。
题目摘要
- Go 语言基础：
sync.Map的适用场景与底层实现，为什么它不适合写多读少的场景；context的取消传播机制，WithCancel的父子链如何触发。 - MySQL / Redis 八股：聚簇索引与二级索引的回表过程，
explain中type=range与ref的区别；Redis 的ziplist与quicklist演进，以及大 key 在 Agent 会话缓存场景下的危害。 - Agent 项目深挖：RAG 检索链路中 chunk 策略、rerank 模型选型、召回率与延迟的权衡；Function Calling 的工具描述如何写才能降低模型误调用率；多轮对话的上下文压缩策略。
- 推理成本优化：如何通过缓存、prompt 精简、模型分级路由把单次 Agent 调用成本压下来。
- 手撕算法：实现一个 LRU 缓存，要求
get和put均 O(1)，并在此基础上追问「如果并发量很大，怎么改造成线程安全且不成为瓶颈」。关键思路：哈希表 + 双向链表，get时把节点移到头部，put时超容量淘汰尾部；并发场景下用分段锁或sync.Map+ 链表分段，避免全局锁。
项目深挖
追问一：你项目里的 RAG 检索，chunk 是怎么切的？为什么这么切？
参考回答方向：不要说「按 512 token 切」就结束。要讲清楚切分策略和业务语料的耦合——比如文档是 API 文档还是客服对话，前者按标题层级切、保留父子关系，后者按会话轮次切。再讲 overlap 设置多少、为什么，以及切完之后怎么评估：用一组标注好的 query 算 recall@k 和 MRR，而不是拍脑袋。面试官真正想听的是你有没有做过「切分策略 → 召回效果」的闭环验证。
追问二：Function Calling 里，模型经常调错工具或者该调不调，你怎么解？
参考回答方向：分三层。第一层是工具描述本身——参数名要语义化，description 里写清楚「什么时候用」而不是只写「是什么」，枚举值要给全。第二层是 prompt 里给 few-shot，把典型 query 和对应工具调用写成示例。第三层是兜底——模型没调工具时，用规则或小模型做一次意图分类补调。可以补一句：工具数量超过 20 个时，考虑先做工具检索再喂给模型，而不是全量塞进 prompt。
追问三：多轮对话上下文越来越长，成本和延迟都上来了，你怎么管？
参考回答方向：先区分「必须保留」和「可以丢」的。系统 prompt、当前任务相关的工具返回结果必须留；历史闲聊可以摘要。常用做法是滑动窗口 + 摘要：保留最近 N 轮原文，更早的用模型压缩成一段摘要。再进一步可以做语义检索——把历史轮次存进向量库，每轮只召回和当前 query 最相关的几条。要提一句权衡：摘要会丢信息，检索会引入延迟，得看业务能接受哪个。
准备建议
- 八股不要只背结论，要能讲清「为什么」。比如
sync.Map适合读多写少，是因为它用 read map 和 dirty map 分离，读操作大多无锁；但写多时 dirty map 频繁提升，反而比加锁的普通 map 慢。面试官一追问底层就露馅，所以每个八股点都准备一句「它的设计取舍是什么」。
- Agent 项目要准备一条完整的「问题 → 方案 → 验证」链路。不要只讲用了 LangChain 还是自己写的框架，要讲你遇到的具体问题（召回不准、工具误调、成本超预算），你做了什么改动，改完指标从多少变到多少。哪怕指标是估算的，也要有量级。
- 手撕题按「先讲思路再写代码」的节奏练。LRU 这种题不难，但面试官会在你写完追问并发改造、追问链表节点要不要加锁、追问
sync.Map能不能直接用。平时练题时自己给自己加一层追问，写完之后想一遍「如果 QPS 涨 100 倍，哪里先崩」。
三面结束当天收到口头通过，三天后 HR 约谈实习时间。
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。
