NiceOffer

面试面经 · 滴滴

【滴滴】【大模型开发】【暑期实习HR面】面经（八股+大模型项目+手撕）

发布于 2026-08-22

滴滴面经大模型开发实习

滴滴 大模型开发 暑期实习 HR面 面经

背景：海外一年制硕士，计算机相关专业，一段大模型相关项目经历，无实习经历。

题目摘要

面试整体节奏较快，技术考察为主，穿插少量行为面问题。核心考点集中在以下方向：

  1. 编程语言基础（Go）：goroutine 与 channel 通信模型、GMP 调度原理、内存逃逸分析、sync.Pool 使用场景。
  2. MySQL/Redis 八股：InnoDB 索引结构、聚簇索引与非聚簇索引区别、事务隔离级别与 MVCC；Redis 持久化机制（RDB/AOF）、缓存穿透/击穿/雪崩的解决方案。
  3. 大模型项目深挖：RAG 检索质量优化、Function Calling 的设计与容错、上下文窗口管理与 token 成本控制。
  4. 手撕算法题：实现一个支持 get 和 put 操作的 LRU Cache，要求平均时间复杂度 O(1)。
  5. 行为面：为什么选择滴滴、对大模型落地场景的理解、实习时间与学业安排。

项目深挖

面试官对项目的追问非常细致，不是简单问"做了什么"，而是直接切入设计决策和瓶颈问题。以下是我遇到的追问与参考回答方向：

追问 1：你的 RAG 系统检索效果不好时，是怎么定位问题的？

参考方向：不要只说"调了 top-k 参数"。可以从三个层面回答——先看召回层面，用命中率指标（Recall@K）评估检索质量，排查 chunk 切分是否合理（比如按固定长度切分是否破坏了语义完整性）；再看排序层面，检查 rerank 模型是否有效，对比纯向量检索 vs 向量+BM30 混合检索的效果差异；最后看生成层面，检查 prompt 中上下文组织方式是否导致模型忽略关键信息。

追问 2：Function Calling 的 function 定义怎么设计？如果模型调用错了怎么办？

参考方向：强调 function 定义的 schema 设计直接影响模型调用准确率。比如参数描述要具体、枚举值要明确、必要时在 description 里给 few-shot 示例。容错方面，可以提两层兜底：第一层是模型输出的 function call 做参数校验，不合法则拒绝调用；第二层是调用失败时设置 fallback 回复模板，避免直接报错。还可以提用 Pydantic 做输出约束，强制模型按 schema 输出。

追问 3：上下文管理上怎么控制 token 成本？

参考方向：分场景回答——对话历史用滑动窗口截断，只保留最近 N 轮；RAG 场景下对检索到的文档做相关性阈值过滤，低于阈值的直接丢弃；长文档用 Map-Reduce 方式分批摘要，而不是一次性塞入。另外可以提对 prompt 模板做压缩，去掉冗余指令，减少固定 token 开销。

手撕算法题

题目：设计一个 LRU（最近最少使用）缓存，支持 get(key) 和 put(key, value) 操作，get 和 put 的平均时间复杂度均为 O(1)。

关键思路：核心是"哈希表 + 双向链表"的组合。哈希表存 key 到链表节点的映射，实现 O(1) 查找；双向链表维护访问顺序，头部为最近使用，尾部为最久未使用。get 时命中则将该节点移到头部；put 时若 key 已存在则更新值并移到头部，不存在则插入头部，若超过容量则删除尾部节点。注意双向链表需要自己实现，不能直接用容器自带的 list，因为需要 O(1) 的节点移动操作。

面试官会关注边界条件：容量为 0、重复 put 同一个 key、get 不存在的 key、缓存满时插入新 key。

准备建议

  1. 项目准备不要停留在"做了什么"，要准备"为什么这么做"和"如果重来怎么改进"。面试官对项目的追问基本都围绕设计决策和权衡，建议把项目里每个关键选择都列出来，想清楚备选方案和优劣。比如 RAG 为什么选向量检索而不是 BM25，chunk 大小怎么定的，有没有做过消融实验。
  1. Go 语言至少要掌握 goroutine、channel、GMP 模型和内存管理。滴滴技术栈偏 Go，这些是高频考点。建议看《Go 语言设计与实现》的调度器和内存分配章节，重点理解 goroutine 的创建成本为什么比线程低、channel 的底层数据结构是什么、什么情况会触发内存逃逸。
  1. 手撕算法题要练到"背下来"的程度。LRU 这种经典题几乎必考，建议用 15 分钟限时手写一遍，要求无 bug、边界条件完整。其他高频题包括：手写线程池、实现一个带过期时间的缓存、两个有序链表合并。不要只刷难题，基础题的手速和准确度更重要。

结果反馈

一面通过，3 天后约了二面（技术面），整体面试体验偏向务实，没有太多虚的，考察点基本都在项目细节和工程能力上。

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。

相关阅读