面试面经 · 大疆
【大疆】【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，投递大疆大模型开发暑期实习，一面约 60 分钟，面试官全程开摄像头，节奏偏快，八股与项目穿插问，最后 20 分钟手撕代码。
题目摘要
- Go 语言基础：
slice的底层结构、扩容规则，以及slice作为函数参数传递时修改元素是否影响原切片；map是否并发安全，如何实现并发安全的 map。 - MySQL 八股：聚簇索引与非聚簇索引的区别，什么情况下会走不到索引（隐式类型转换、函数包裹列、最左前缀失效）；
explain里type字段从好到坏的排序。 - Redis 八股：缓存穿透、击穿、雪崩的区别与各自解法；Redis 分布式锁的加锁、续期、释放流程，为什么释放锁要用 Lua 脚本。
- RAG 项目深挖：文档切分策略怎么定的，检索召回率低怎么排查，rerank 模型和向量召回的分工，如何评估 RAG 效果。
- Agent / Function Calling：多轮工具调用时上下文怎么管理，工具描述写不好会导致什么问题，如何控制推理成本。
- 手撕算法：给一个整数数组和一个目标值，找出数组中和为目标值的两个数，返回下标。关键思路是用哈希表把「查找补数」从 O(n) 降到 O(1)，遍历时先查
target - nums[i]是否在表里，在就返回，不在就把当前值和下标存进去，整体 O(n) 时间、O(n) 空间。面试官追问了如果有重复元素、要求返回所有组合怎么改。
项目深挖
简历上写了一段 RAG 知识库问答和一段带 Function Calling 的 Agent 项目，面试官主要往这三个方向追。
追问一：你的 RAG 检索召回率是怎么评估的，有没有量化指标？
参考回答方向：不要只说「感觉效果还行」。要给出评估集构造方式，比如从真实文档里人工标注 100 条 query-答案对，用命中率（recall@k）和 MRR 衡量检索阶段，用答案正确率或人工打分衡量生成阶段。再说明调优动作：切分粒度从固定 512 token 改成按语义段落切、加 rerank、调整 top-k，每一步对应指标变化。面试官想听的是你有没有「先量化再优化」的意识，而不是堆技术名词。
追问二：多轮 Function Calling 里，上下文越来越长，你怎么处理？
参考回答方向：分两层讲。一是裁剪策略，保留 system prompt、最近 N 轮对话、以及所有工具调用结果的关键字段，历史轮次做摘要压缩；二是工程手段，把工具返回的大 JSON 只保留模型决策需要的字段，不要把整个响应塞回上下文。可以提一句 token 计费和延迟的关系，说明你关注过推理成本。如果被追问「摘要会不会丢信息」，就承认有风险，并说明对关键实体做了结构化保留。
追问三：推理成本怎么优化的，有没有实际数据？
参考回答方向：从三个角度答。模型侧，简单意图识别用小模型、复杂生成用大模型做路由；缓存侧，对高频相同 query 做语义缓存或精确缓存；prompt 侧，压缩 system prompt、减少 few-shot 示例数量。给出一个粗略对比，比如优化后单次请求平均 token 下降多少、P95 延迟下降多少。没有精确数据就说明是估算口径，别硬编。
准备建议
- 八股按「能画图 + 能举例」的标准准备。MySQL 索引和 Redis 缓存三兄弟几乎必问，不要背结论，要能画出 B+ 树结构、能举出一个走不到索引的 SQL 例子。Go 的 slice、map、channel、GMP 模型是高频区，重点看 slice 扩容和 map 并发写 panic 的底层原因。
- 项目复盘写成「问题—动作—指标」三段式。面试官对「我用了 LangChain 搭了个 RAG」不感兴趣，感兴趣的是你遇到什么具体问题、做了什么改动、指标怎么变。提前把 RAG 和 Agent 项目各准备 3 个可被追问的细节，包括失败案例。
- 手撕题按高频题型刷，重点练哈希、双指针、滑动窗口、二叉树遍历、动态规划入门。大疆一面算法题难度偏中等，但要求手写能跑、边界处理干净。练习时用共享屏幕的方式写，模拟真实环境，别只在本地 IDE 里补全。
一面整体答得比较顺，八股有两处答得不够深但面试官给了提示，手撕题写完并跑通。一面通过，5 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。
