【滴滴】【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，投递滴滴大模型开发暑期实习，一面技术面约 70 分钟，全程线上，面试官是做大模型应用平台方向的。

题目摘要

1. Go 语言基础：slice 的底层结构、扩容机制，以及 append 在什么情况下会引发底层数组共享导致的数据覆盖问题；顺带问了 map 是否并发安全、sync.Map 的适用场景。
2. MySQL / Redis 八股：MySQL 聚簇索引与回表，为什么建议用自增主键；Redis 缓存穿透、击穿、雪崩的区别与各自解法，追问了布隆过滤器误判率和 Redis 分布式锁的续期问题。
3. RAG 项目深挖：文档切分策略怎么定的、向量检索召回率怎么评估、有没有做 rerank、多路召回怎么融合。
4. Function Calling / Agent：工具调用的参数校验和失败重试怎么做，多轮对话里怎么防止模型乱调工具。
5. 推理成本优化：上下文越来越长怎么控制 token 成本，有没有做 prompt 缓存或分级模型路由。
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重新排序，相同频率的字符按字典序排列，返回重排后的字符串。本质是哈希计数 + 自定义排序，注意用优先队列或直接排序时的比较器写法，边界是空串和全同频字符。

项目深挖

简历上写了一个基于 RAG 的企业知识库问答，面试官几乎全程围着这个问，问得很细，不是听你讲架构，而是抠决策点。

追问一：文档切分为什么用固定长度 + 重叠，而不是按语义切？

参考回答方向：先承认固定长度切分是工程折中，优点是实现简单、chunk 大小可控、对 embedding 模型友好；缺点是会切断语义单元，导致检索到的 chunk 上下文不完整。然后说明自己做过什么补偿——比如重叠窗口设为 chunk 的 15%~20%，或者在切分前先按标题层级做一次粗分，再在段内做定长切分。如果被追问"为什么不直接上语义切分"，要能说出语义切分的代价：需要额外模型推理、切分粒度不稳定、离线构建成本高，在文档量大且更新频繁的场景不划算。关键是把"我为什么这么选"和"这个选择的代价是什么"都讲清楚。

追问二：召回率你怎么评估的？有没有量化指标？

参考回答方向：这是最容易露馅的问题。要说清楚评估集怎么来——人工标注一批 query 对应的正确 chunk，或者用 LLM 生成问答对再反向定位来源。指标上，检索阶段看 Recall@k 和 MRR，端到端看答案的忠实度和正确率。如果没做过严格评估，就诚实说当前是用人工抽检 + badcase 归因，并说明下一步打算引入 ragas 之类的框架做自动化评估。不要硬编数字，面试官会顺着问评估集规模和标注一致性。

追问三：多轮对话里上下文怎么管理？token 超了怎么办？

参考回答方向：分层讲。短期用滑动窗口保留最近 N 轮；中期对历史对话做摘要压缩，把摘要和最近几轮一起喂给模型；长期把关键信息抽成结构化字段存起来，需要时再注入。token 超限时优先丢低价值内容——寒暄、已完成的工具调用中间结果、重复信息。可以补一句成本视角：摘要本身也要花 token，所以摘要触发频率和压缩比要权衡，不是越频繁越好。

准备建议

1. 八股不要背结论，要背因果链。比如缓存穿透，不要只答"用布隆过滤器"，要能说清楚它拦的是一定不存在的 key、误判会导致什么、误判率怎么调。面试官顺着问一层就露底了。MySQL 部分重点准备索引失效场景和 explain 关键字段，Redis 重点准备持久化、过期策略和分布式锁。

1. 把 RAG 项目拆成决策点清单。切分、embedding 模型选型、向量库选型、召回策略、rerank、评估，每个点准备"我选了什么 / 为什么 / 代价是什么 / 如果重做会怎么改"。面试官问项目不是听流程，是看你有没有独立判断。没有量化数据就准备 badcase 案例，讲清楚一个具体问题怎么定位怎么修的。

1. 算法保持手感，重点练排序和哈希类。暑期实习手撕难度一般在中档，但要求一次写对、边界清楚。每天一到两道，写的时候刻意练比较器、边界条件、复杂度口述。Go 的话把 sort.Slice 的写法练熟，Java 把 Comparator 和优先队列练熟。

整体节奏是八股占三成、项目占五成、算法占两成，项目是拉开差距的地方。一面通过，三天后约了二面。

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。