NiceOffer

面试面经 · 大疆

【大疆】【Agent 开发】【暑期实习HR面】面经（八股+大模型项目+手撕）

发布于 2026-08-25

大疆面经Agent 开发实习

大疆 Agent 开发 暑期实习 HR 面经

背景：海外一年制硕士，主攻 LLM 应用与后端工程，一段大模型创业公司实习经历。

题目摘要

  1. Java 并发基础：synchronized 与 ReentrantLock 的区别，volatile 的可见性与禁止重排原理。
  2. MySQL 索引与事务：联合索引最左前缀原则，RR 隔离级别下 MVCC 如何解决幻读。
  3. Redis 缓存一致性：缓存穿透、击穿、雪崩的应对方案，Cache Aside 与 Write Behind 的取舍。
  4. 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。
  5. 手撕算法：「合并区间」——给定若干 [start, end] 区间，合并所有重叠区间并返回结果。关键思路：按起点排序，遍历时维护当前合并区间的 end，若下一区间起点 ≤ end 则合并，否则输出当前区间并重置。
  6. 场景题：设计一个多 Agent 协作系统，如何分配任务、如何避免死锁或资源竞争。

项目深挖

面试官全程围绕我简历上的「基于大模型的智能客服 Agent」项目提问，节奏很快，每个问题都要求给出具体实现细节和量化指标。

追问 1：RAG 检索效果不好时，你怎么排查和优化？

参考回答方向：先拆解问题来源——是召回不准还是重排不行。我当时的排查路径是：① 检查 embedding 模型与查询词分布是否匹配，比如领域术语是否在训练数据中；② 调整 chunk 大小与重叠度，从 512/64 调到 256/32，观察召回率变化；③ 引入混合检索（BM25 + 向量），用 RRF 融合排序；④ 最后加了一层 rerank 模型，用交叉编码器对 top-20 结果重排取 top-5。量化指标上，Recall@5 从 61% 提升到 78%，最终答案准确率（人工评估）提升约 12%。面试官对这个回答比较满意，因为每一步都有明确动机和结果。

追问 2：Function Calling 过程中，模型返回了不存在的函数名或参数格式错误，怎么处理？

参考回答方向：不能只靠模型自觉。我设计了三层容错：① 在 system prompt 中强制要求 JSON 输出，并给出函数 schema 示例；② 解析层用 json.loads 失败后，尝试用正则提取函数名和参数块，再走一遍 schema 校验；③ 若仍然失败，则调用一个「兜底函数」返回给用户「暂时无法执行该操作」，同时记录日志用于后续微调。另外，我在函数定义中加了 description 字段，并在调用前对参数类型做一次强转（比如把字符串数字转 int），减少类型不匹配的概率。面试官追问「有没有考虑过模型幻觉导致的参数值错误」，我补充说会在执行前做业务层校验，比如日期格式、金额上限等，超出范围直接拒绝并提示用户。

追问 3：多轮对话中，上下文越来越长，怎么控制成本？

参考回答方向：我用了分层压缩策略——短期上下文保留最近 3 轮完整对话，中期用摘要压缩（每 5 轮触发一次 LLM 摘要），长期只保留用户画像和关键事实（从对话中抽取结构化信息存入 Redis）。同时，对每轮对话做 token 统计，超过阈值时触发滑动窗口裁剪。成本上，单次请求平均 token 从 4200 降到 1800，API 费用下降约 57%，而用户满意度（基于点赞/点踩）只下降了 3 个百分点。面试官补充问「摘要本身会丢失信息，你怎么衡量」，我回答用摘要后的对话继续跑测试集，对比答案 F1 分数，控制在 5% 以内下降才接受。

准备建议

  1. 把项目里的「数字」背熟。大疆面试官很务实，每个优化都要有量化结果。提前整理好：RAG 的 Recall@K、Agent 任务成功率、延迟 P95、token 成本下降幅度。没有真实数据的，用测试集跑一遍，别编造——追问细节容易露馅。
  1. 手撕算法按「高频 + 区间类」准备。大疆笔试和一面手撕偏重数组、链表、二叉树、区间合并、TopK。建议把 LeetCode 上「合并区间」「插入区间」「会议室 II」做熟，同时练一下双指针和滑动窗口。写代码时先讲思路再动手，面试官会看你有没有边界意识（空数组、单元素、完全重叠等）。
  1. Agent 方向要准备「失败案例」。面试官几乎必问「你遇到过什么坑」。提前想好一个真实的技术挫折——比如 Function Calling 在并发调用时出现死锁、RAG 检索被同义词干扰导致答案偏差，然后按「问题现象 → 排查过程 → 根因 → 解决方案 → 复盘」五段式组织。大疆风格是喜欢听你如何拆解复杂问题，而不是背八股。

结果反馈

一面通过，约 3 天后收到二面通知，二面是技术面+部门主管面连场。

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