【滴滴】【Agent 开发】【暑期实习二面】面经（八股+大模型项目+手撕）

海外一年制硕士，投递滴滴 Agent 开发暑期实习，二面约 60 分钟，面试官是 Agent 平台侧的工程师，全程围绕项目 + 基础 + 一道手撕展开。

题目摘要

1. Go 语言基础：slice 的底层结构、扩容规则，以及 append 在函数传参时为什么"改了又好像没改"；map 并发读写为什么会 panic，sync.Map 的适用场景。
2. MySQL / Redis 八股：聚簇索引与回表的代价，联合索引最左前缀在 where a=? and c=? 下的命中情况；Redis 缓存穿透/击穿的差别与各自解法，zset 跳表为什么不用红黑树。
3. Agent 项目深挖：RAG 链路的召回质量怎么评估、Function Calling 的失败重试与幂等、多轮对话的上下文裁剪策略、单次请求 token 成本怎么压。
4. 手撕算法：给一个整数数组 nums 和整数 k，求所有长度为 k 的连续子数组的最大值，返回这些最大值的数组（滑动窗口最大值）。关键思路是用单调递减双端队列存下标，队首即当前窗口最大值，入队前把比当前元素小的全部弹出，窗口滑出时判断队首下标是否过期，整体 O(n)。
5. 场景设计：如果 Agent 要调用一个"查询订单状态"的工具，用户连续追问三次，怎么设计缓存和工具调用去重。

项目深挖

追问一：你的 RAG 召回率怎么量化？上线后掉点了怎么定位？

参考回答方向：先说清楚评估集怎么来的——从真实 query 里采样，人工标注"正确 chunk"，算 Recall@k 和 MRR，不要只讲"感觉答得还行"。掉点定位要分层：先看是 embedding 模型换了、还是切分策略变了、还是索引没重建；再对比 query 改写前后的召回差异。可以补一句：线上用 LLM 做相关性打分（LLM-as-judge）做粗筛，但最终以人工抽检为准，因为 judge 本身有偏好。面试官想听的是你有没有"可观测"的意识，而不是堆术语。

追问二：Function Calling 里模型给的参数是错的，或者工具超时了，你怎么处理？

参考回答方向：分三层。第一层是 schema 校验，用 JSON Schema 或 Pydantic 在调用前拦截类型/必填项错误，直接把错误信息回灌给模型让它重生成，而不是抛异常。第二层是超时与重试，读操作可以指数退避重试，写操作必须带幂等键（比如 request_id），避免重复下单。第三层是兜底，重试 N 次仍失败就降级成"告知用户稍后再试"或转人工，不能让 Agent 卡死。这里可以主动提一句：工具描述（description）写得好不好，直接决定模型选对工具的概率，很多人忽略这点。

追问三：多轮对话上下文越来越长，token 成本怎么控？

参考回答方向：不要只说"截断"。可以讲分层策略——系统提示词和工具定义是固定开销，尽量精简；历史对话用滑动窗口 + 摘要，把较早的轮次压成一段 summary；RAG 召回的 chunk 做重排后只保留 top-3，而不是全塞进去。再进一步：对稳定前缀做 prompt caching（如果用的模型支持），能显著降本。最后给个数字感：优化前后单请求 token 从 X 降到 Y，成本降了多少，比空谈"优化了上下文"有说服力。

准备建议

1. 把项目里的每个数字都准备好：召回率、QPS、token 消耗、延迟 P99、成本降幅。面试官追问时最怕听到"大概""差不多"，一个具体数字能撑起整段对话，也逼你回头把监控和评估补上。
2. Go 的 slice/map 别只背结论，动手写一遍：自己写个 demo 验证 append 扩容后的地址变化、for range 里取地址的坑、map 并发写的 panic 复现。八股答得再熟，被要求"写个例子"时卡壳就很减分。
3. 手撕按题型刷，不要按题号刷：滑动窗口、双指针、单调栈/队列、TopK 这几类高频，每类吃透 3-5 道，重点是能边写边讲清边界条件（空数组、k 大于长度、k=1）。Agent 岗的手撕通常不难，考的是代码整洁和沟通，写完主动跑两个用例。

一面通过后第 3 天约的二面，二面结束当天晚上收到 HR 反馈进入下一轮。

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。