【大疆】【Agent 开发】【暑期实习二面】面经（八股+大模型项目+手撕）

大疆 Agent 开发 暑期实习二面面经

背景：海外一年制硕士，主攻 NLP 与分布式系统，此前有一段大模型应用层实习。

题目摘要

• Go 语言基础：goroutine 调度模型（GMP）、channel 底层结构、内存逃逸分析。
• MySQL/Redis 八股：MVCC 实现原理、聚簇索引与非聚簇索引区别、Redis 持久化机制（RDB vs AOF）及混合持久化。
• Agent 项目深挖：RAG 检索质量优化、Function Calling 的容错设计、多轮对话上下文管理策略、推理成本优化方案。
• 手撕算法：「设计一个支持在 O(1) 时间内完成 insert、delete 和 getRandom 的数据结构」（LeetCode 380 变体，要求元素可重复，getRandom 需按权重返回）。

项目深挖

面试官全程围绕简历上的 Agent 项目展开，连环追问非常细，不放过任何实现细节。以下是最有代表性的三个问题及参考回答方向。

追问 1：你的 RAG 管线检索质量不稳定，体现在哪些场景？如何定位与解决？

参考方向：不要只说"效果不好"，要具体到失败模式。我提到两类典型问题——① 涉及多实体关系的复杂问题（如"这个无人机和那个遥控器兼容吗"）被拆成多个子查询后，单向量检索召回片段分散，拼接后信息不完整；② 专业术语（如"IMU 标定"）在通用 embedding 模型下语义表征不准。

解决路径：针对问题①引入查询重写（Query Rewriting），先用 LLM 将原问题改写为多个子查询，分别检索后按段落来源做重排融合；针对问题②建立领域同义词库，在检索前做术语扩展。同时引入混合检索（BM25 + 稠密向量），用 RRF（Reciprocal Rank Fusion）合并结果。面试官进一步追问"重排模型怎么选的"，我回答先用 bge-reranker-base 做粗排，再用 LLM 做精排（只对 top 20 做 LLM 打分），并强调 LLM 精排的 token 成本可控。

追问 2：Function Calling 如果模型返回了不存在的函数名或参数格式错误，你的系统如何兜底？

参考方向：考察工程容错意识。我的方案分三层：① Schema 约束层——在 system prompt 中注入严格的 JSON Schema，并设置 tool_choice 为 auto 时要求模型先输出思考过程（reasoning）再输出调用；② 解析容错层——写了一个健壮的解析器，支持截取 JSON 片段、修复未闭合括号、将单引号转双引号等常见格式错误；③ 运行时校验层——函数名做白名单匹配，参数用 zod 做运行时校验，校验失败时把错误信息回传给模型，让其重新生成调用。面试官追问"如果模型连续三次调用失败怎么办"，我回答设置最大重试次数，超过后降级为纯文本回复并记录日志用于后续 fine-tune 数据收集。

追问 3：多轮对话中上下文无限膨胀，你怎么控制成本？

参考方向：核心是分层上下文管理。我采用三块设计：① 固定系统提示 + 工具定义（这部分缓存不随对话增长）；② 滑动窗口保留最近 N 轮完整对话；③ 早期对话做摘要压缩（用 LLM 生成结构化摘要，包含用户意图、已调用工具、关键结论）。同时设置 token 预算监控，当接近阈值时触发异步压缩任务。面试官追问"摘要压缩的 LLM 调用本身也是成本"，我回答压缩任务用更小的模型（如 7B 量级），且只在每 5 轮或 token 超阈值时触发，压缩频率远低于主对话调用。另外还提到对工具返回的长文本做 truncation + 关键信息抽取，而非全量塞入上下文。

手撕算法

题意：设计一个数据结构，支持三种操作，均摊时间复杂度 O(1)：

• insert(val)：插入一个元素（允许重复）
• delete(val)：删除一个元素（若有多个只删一个）
• getRandom()：返回一个随机元素，概率与该元素的出现次数成正比

关键思路：面试官给的变体是"元素可重复 + 加权随机"。基础版（无重复）用 HashMap + ArrayList 即可，但加权随机需要额外设计。

我的解法：维护一个 HashMap<Integer, Integer> 记录每个值的剩余个数，同时维护一个动态数组存储所有"存活元素"（每个值只存一份）。insert 时若该值首次出现则加入数组；delete 时减少计数，若计数归零则与数组末尾元素交换后 pop（保证 O(1) 删除）。getRandom 的加权随机部分，我提出两种方案：① 若数据量小，直接按计数展开成重复元素的数组再随机索引（空间换时间）；② 更优做法是维护一个 Fenwick Tree（树状数组）存储前缀权重，随机生成 [1, totalWeight] 的整数后二分查找定位元素，单次 O(log n)。面试官提示"如果允许空间 O(n) 且插入删除不频繁，方案①够用；但若要严格 O(1) getRandom，需要引入额外的索引结构"。最终我实现了方案②，并解释树状数组的 update 和 query 复杂度。

准备建议

1. 把项目里的"坏味道"提前想清楚。面试官问的每个问题都在挑战你项目的边界条件和失败场景。建议把自己项目按"输入异常、并发冲突、资源超限、结果错误"四个维度各列出 3 个可能失败的场景，并准备对应的降级方案。不要只准备"我做了什么"，要准备"如果坏了怎么办"。

1. Go 语言不要只背八股，要能画图。GMP 调度、channel 的 sendq/recvq 结构、sync.Pool 的 victim cache 机制，面试官很可能让你在白板上画出内存布局或状态流转。建议自己动手画一遍 goroutine 从创建到阻塞到恢复的完整生命周期，以及 channel 在无缓冲和有缓冲情况下的阻塞唤醒流程。MySQL 的 MVCC 同理，要能画出 ReadView 的活跃事务列表如何决定可见性。

1. 手撕算法要准备"变体应对策略"。大疆的算法题往往不是原题，而是在原题上加一个约束（如本题的重复元素 + 加权随机）。平时刷题时养成习惯：每做完一道题，自己设计 2 个变体（改数据结构、改复杂度要求、改输入约束），并思考原解法哪里会失效。另外务必练习在 15 分钟内完成"思路阐述 + 写码 + 自测用例"的完整流程，面试时时间非常紧。

一面通过后约 5 天收到二面通知，整体节奏紧凑，面试官对工程细节的追问深度明显高于一面，建议重点打磨项目中的异常处理和成本控制细节。

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。