【蚂蚁集团】【大模型开发】【暑期实习一面】面经（八股+大模型项目+手撕）

海外一年制硕士，投递蚂蚁集团大模型开发暑期实习，一面全程约 70 分钟，面试官是组内做 Agent 平台的工程师，整体节奏偏工程落地，八股问得不深但追问很紧。

题目摘要

1. Go 语言基础：slice 的底层结构与扩容策略，append 在什么情况下会触发底层数组拷贝；map 并发读写为什么会 panic，实际项目里怎么规避。
2. MySQL / Redis 八股：聚簇索引与回表，explain 里出现 Using filesort 的常见原因；Redis 缓存穿透、击穿的差别，以及布隆过滤器在工程上的代价。
3. RAG 项目深挖：文档切分粒度怎么定、召回阶段用了什么策略、如何评估检索质量、幻觉怎么压。
4. Function Calling / Agent：工具描述怎么写、多轮工具调用怎么管理上下文、工具调用失败后的兜底逻辑。
5. 推理成本优化：prompt 缓存、KV Cache 复用、模型分级路由的实际收益。
6. 手撕算法：LRU 缓存（LeetCode 146），要求 O(1) 时间完成 get 和 put。

项目深挖

追问一：RAG 的检索质量怎么衡量，你上线后怎么知道它变好了

参考回答方向：不要只说"人工看了一些 case"。要分层讲——离线用带标注的 query-doc 对算 Recall@k、MRR，看召回层是否把正确 chunk 捞回来了；在线看端到端指标，比如答案采纳率、用户追问率、点踩率。检索和生成要分开归因：如果正确 chunk 在 top-k 里但答案还是错，问题在生成侧（prompt 或模型能力）；如果正确 chunk 根本没召回，问题在切分或 embedding。可以补一句：切分粒度太细会导致语义碎片化，太粗会稀释相关性，实践中按标题层级切 + 相邻 chunk 做小窗口重叠，比固定 512 token 效果好。

追问二：Function Calling 里工具多了以后模型选错工具，你怎么解

参考回答方向：先承认这是真实问题，工具数量上去后描述之间的语义重叠会让模型混淆。几个手段：一是工具描述里写清楚"什么时候用、什么时候不用"，把边界条件写进 description；二是做工具分组或分层路由，先用一个轻量分类器或规则缩小候选集，再让模型在小组内选；三是给 few-shot 示例，尤其是容易混的两个工具各给一个正例。失败兜底上，工具返回错误时不要把原始报错直接塞回上下文，要做成结构化结果再让模型决定重试还是换工具，同时设最大重试次数防止死循环。

追问三：上下文越来越长，成本和延迟都上去了，你做过什么优化

参考回答方向：分几个层面讲。prompt 层面，把稳定不变的部分（system prompt、工具定义）放前面，利用 prefix caching 命中缓存；历史对话层面，做滑动窗口 + 摘要压缩，早期轮次压成一段摘要而不是原样保留；检索层面，控制注入的 chunk 数量，用 rerank 把 top-k 从 10 压到 3，往往效果不降反升。如果模型支持，KV Cache 复用能显著降首 token 延迟。再补一句成本视角：简单意图走小模型、复杂推理走大模型，用路由把大部分流量导到便宜模型上，整体成本能降一个量级。

手撕算法

题目：设计并实现 LRU 缓存，容量为 capacity，支持 get(key) 和 put(key, value)，两者都要求平均 O(1)。

关键思路：哈希表 + 双向链表。哈希表存 key 到链表节点的映射，实现 O(1) 定位；双向链表维护访问顺序，头部是最近使用、尾部是最久未使用。get 命中后把节点移到头部；put 时若 key 存在则更新并移到头部，若不存在则新建节点插到头部，超出容量时删掉尾部节点并同步删除哈希表里的 key。用 Go 写的话注意哨兵头尾节点能省掉大量边界判断。面试官后面追问了一句：如果改成 LFU 怎么改，答了要给每个频率维护一条链表、并记录最小频率，不用真的写完。

准备建议

1. 把项目里的每个数字都准备好被追问。召回 top-k 取了多少、切分粒度多大、成本降了多少百分比、延迟从多少降到多少——说得出数字才显得是真做过，说不出来就会被判定为"跟着教程跑了一遍"。
2. 八股按"是什么—为什么—工程上怎么用"三层准备。蚂蚁这边不会让你背定义，问完 Redis 缓存击穿紧接着就是"你项目里怎么防的"，答不出落地场景等于没答。
3. 手撕题按高频清单刷，重点在写对而不是写快。LRU、LFU、TopK、快排、合并区间、二叉树遍历这几类覆盖度最高，用目标语言（Go 或 Java）手写，别用 Python 练手感，面试时语言不熟会翻车。

一面通过，3 天后约了二面。

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。