【滴滴】【大模型开发】【暑期实习三面】面经（八股+大模型项目+手撕）

滴滴 大模型开发 暑期实习三面面经

背景

海外一年制硕士，后端开发方向，投递滴滴大模型开发暑期实习，前两面分别考察了基础算法与项目经历，三面为技术终面，整体风格偏工程落地。

题目摘要

• 编程语言基础（Go）：goroutine 与 channel 的底层实现、GMP 调度模型、内存逃逸分析
• MySQL/Redis 八股：MVCC 实现原理、索引失效场景、Redis 持久化机制与缓存一致性策略
• 大模型项目深挖：RAG 检索优化、Function Calling 的容错设计、上下文窗口管理与推理成本优化
• 手撕算法：实现一个支持 get 和 put 的 LRU Cache（LeetCode 146），要求写出关键思路与边界处理

项目深挖

面试官对简历中一个基于大模型的智能客服项目进行了连续追问，该项目使用 RAG 架构，结合 Function Calling 实现外部工具调用。

追问一：你的 RAG 检索召回率不高，如何定位和优化？

参考回答方向：从召回链路拆解问题。先分析 embedding 模型对领域术语的编码效果，如果领域词汇不在预训练语料中，考虑微调 embedding 模型或使用领域词典做查询扩展。其次检查 chunk 切分策略，固定长度切分容易切断语义完整的段落，改用基于语义边界的切分（如按标题、段落、句子结束符）。最后引入重排模型（如 bge-reranker）对 top-K 结果精排，实测 top-5 准确率提升约 12%。面试官追问了重排模型的开销问题，可以回答通过级联策略控制成本——先粗排取 top-50，再用重排模型精排取 top-5。

追问二：Function Calling 在真实调用时如果工具返回异常，你的 Agent 如何处理？

参考回答方向：设计了三级容错机制。第一层是参数校验，调用前用 JSON Schema 校验模型生成的参数格式，拦截类型错误和缺失字段。第二层是超时与重试，工具调用设置 3 秒超时，超时后自动降级为不调用工具直接生成回答。第三层是结果解析容错，工具返回非 JSON 格式时尝试正则提取关键字段，若仍失败则向模型注入"工具暂时不可用，请基于已有知识回答"的系统提示。同时所有失败路径都有日志记录，用于后续分析模型调用工具的错误模式。

追问三：上下文管理上如何处理长对话，同时控制推理成本？

参考回答方向：采用分层上下文管理。第一层是固定系统提示，压缩到 200 token 以内，只保留角色设定和关键规则。第二层是动态摘要，当对话轮次超过 6 轮时，调用轻量模型对历史消息生成摘要，替换原始消息。第三层是滑动窗口，始终保留最近 4 轮完整对话以保证连贯性。成本控制上，对摘要模型使用更小的参数版本（如 1.5B 而不是 7B），并设置每日 token 预算，超过阈值自动切换为纯检索模式，不再调用大模型生成。

手撕算法

题目是 LRU Cache，要求实现 get(key) 和 put(key, value)，操作平均时间复杂度为 O(1)。

关键思路：使用哈希表 + 双向链表。哈希表存储 key 到链表节点的映射，链表按访问时间排序，头部为最近使用，尾部为最久未使用。get 时若 key 存在，将对应节点移到头部并返回值；put 时若 key 已存在则更新值并移到头部，若不存在则插入头部，若容量已满则删除尾部节点并移除哈希表映射。边界情况包括容量为 0、key 不存在、更新已有 key 时容量不变化。

面试官追问了为什么不用单链表，回答是删除尾部节点时需要访问其前驱节点，单链表需要 O(n) 遍历，双向链表可以 O(1) 完成。追问能否用 LinkedHashMap 实现，我承认 Java 中可以但 Go 需要手写，面试官表示认可。

准备建议

• 项目准备要有数据支撑：面试官对项目细节的追问非常深，建议提前整理项目中的关键指标（如检索准确率、响应延迟、成本节省百分比），并准备好"如果效果不好你怎么排查"的完整思路。不要只讲做了什么，要讲为什么这么做、试过哪些方案、最终为什么选这个。
• Go 语言重点复习并发与内存模型：滴滴后端大量使用 Go，面试官会问 goroutine 调度、channel 底层结构（hchan 的锁与缓冲区）、sync.Pool 的使用场景。建议手写一个简单的 worker pool 并画出 GMP 调度流程图，比背八股更有效。
• 大模型方向准备"降级方案"：面试官非常关注工程落地能力，特别是面对大模型输出不稳定、成本高昂时的应对策略。建议针对自己的项目准备至少 2 种降级路径（如模型不可用时走规则引擎、超时后返回缓存结果），并量化降级带来的收益。

结果反馈

三面结束后约 3 天收到 HR 通知，面试通过，进入 offer 审批阶段。整体面试体验不错，面试官对工程细节的追问很有深度，建议后续面试者在项目准备上多花时间梳理技术选型的取舍过程。

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。