NiceOffer

面试面经 · 懂车帝

【懂车帝】【Agent 开发】【暑期实习二面】面经（八股+大模型项目+手撕）

发布于 2026-08-10

懂车帝面经Agent 开发实习

懂车帝 Agent 开发 暑期实习二面面经

背景：海外一年制硕士，投递岗位为懂车帝 Agent 开发实习生，一面通过后约一周收到二面邀请。

题目摘要

二面整体风格偏向工程落地与系统设计，面试官为 Agent 方向的技术负责人，全程节奏紧凑，不闲聊，直接进入主题。核心考点如下：

  1. 编程语言基础（Go）：goroutine 与 channel 的底层实现、内存逃逸分析、slice 与 array 的区别及扩容机制。
  2. MySQL/Redis 八股：MySQL 索引失效场景、事务隔离级别与 MVCC 实现；Redis 持久化机制（RDB/AOF）及缓存穿透/击穿/雪崩的解决方案。
  3. Agent 项目深挖：围绕 RAG 检索增强生成、Function Calling 的工具调用设计、多轮对话上下文管理、推理成本优化（Token 压缩、缓存策略）。
  4. 手撕算法题：实现一个带过期时间的 LRU Cache（LeetCode 460 变体），要求 get 和 put 操作平均时间复杂度 O(1)，并支持 key 过期自动删除。

项目深挖

面试官对我简历中一个「汽车领域智能问答 Agent」项目非常感兴趣，连续追问了三个方向，每个都要求给出具体设计决策和权衡。

追问 1：你的 RAG 检索为什么用混合检索？向量检索和关键词检索的结果如何融合？

参考回答方向：不要只说「向量召回不够准所以加 BM25」。要具体说明：汽车领域存在大量型号、参数、专有名词（如「L2 级辅助驾驶」「WLTC 续航」），这些词在 embedding 空间中区分度不高，容易产生语义漂移。因此采用 BM25 做关键词召回 + 向量检索做语义召回，使用 RRF（Reciprocal Rank Fusion）融合排序，公式为 score = Σ 1/(k + rank)，k 取 60。同时要提到对召回结果做去重和过滤（如过滤低分片段、去除与 query 无关的广告内容）。

追问 2：Function Calling 的工具调用你如何设计？如果模型连续调用多个工具，上下文如何管理？

参考回答方向：强调工具描述信息对 Token 消耗的影响。我在项目中为每个工具维护了精简的 JSON Schema 描述，工具调用时会动态拼装「模型已完成的工具调用历史」而非全部对话历史。关键点：上下文管理采用「滑动窗口 + 关键信息摘要」策略——将早期工具调用结果压缩为结构化摘要（如「已查询北京地区 2024 款 汉EV 价格区间」），后续轮次只保留摘要和最近 3 轮完整对话。这样能显著降低推理成本，实测 Token 消耗减少约 40%。

追问 3：你如何评估 Agent 的推理质量？有没有做成本优化？

参考回答方向：先说明评估体系，再谈成本。评估方面，我构建了一个包含 200 条汽车问答的测试集，人工标注了「答案正确性」「工具调用准确性」「多轮一致性」三个维度。成本优化方面，除了上文提到的上下文压缩，还做了两层缓存：一是对高频 query 的答案做 Redis 缓存（TTL 按问题类型区分）；二是对工具调用结果做缓存——同一车型、同一参数多次查询时直接复用结果，避免重复调用外部 API。另外，模型选择上采用「小模型兜底 + 大模型精调」策略：简单问题（如「XX 车轴距多少」）直接用小模型回答，复杂推理（如「XX 和 YY 哪个更适合家用」）才调用大模型。

手撕算法题

题目：设计一个支持过期时间的 LRU Cache，实现 get(key) 和 put(key, value, ttl) 方法。get 时若 key 已过期返回 -1，put 时若 key 已存在则更新 value 和过期时间。要求所有操作平均时间复杂度 O(1)。

关键思路：在标准 LRU（哈希表 + 双向链表）基础上，需要额外处理过期逻辑。有两种方案：

  1. 惰性删除：get 时检查是否过期，过期则删除并返回 -1。put 时若 key 已存在，更新节点并重置过期时间；若 key 不存在，插入新节点并设置过期时间。问题在于过期节点可能长期占用内存。
  2. 惰性删除 + 定时清理：在惰性删除基础上，维护一个最小堆（按过期时间排序）或使用时间轮，定期（如每 1/10 TTL 间隔）清理过期节点。堆的插入和删除操作 O(log n)，但实际应用中过期节点数量远小于总节点数，性能可接受。

我选择了方案二：用双向链表维护访问顺序，用哈希表实现 O(1) 查找，另用一个小顶堆存储「过期时间 -> key」的映射。put 时向堆中插入过期时间，后台 goroutine 每秒检查堆顶，若过期则从哈希表和链表中删除对应节点。面试官追问了「如果堆顶节点被重新 put 更新了过期时间怎么办」，我回答在哈希表中额外存储节点的过期时间，堆中存储的是「过期时间 + key」的副本，删除时通过哈希表校验版本号，避免误删。

准备建议

  1. Go 语言重点看内存模型和并发原语：面试官问到了 goroutine 的 GMP 模型、channel 的阻塞/非阻塞收发、slice 扩容的触发条件（容量小于 1024 时按 2 倍扩容，超过后按 1.25 倍）。建议把《Go 语言设计与实现》中「数据结构」「并发同步」两章过一遍，能画出 GMP 调度流程图即可。
  1. Agent 项目准备要「设计决策 + 数据支撑」：不要只讲「我用了 RAG」「我做了 Function Calling」，面试官会追问「为什么用这个方案」「性能提升了多少」。建议提前整理：你的检索方案对比实验数据（如准确率提升了 X%）、推理成本优化前后的 Token 消耗对比、上下文压缩策略的消融实验。没有数据支撑的设计决策在二面很难过关。
  1. 手撕题要练「带约束的 LRU 变体」：单纯 LRU 已经不够了，二面大概率会考带过期时间、带频率限制、带容量动态调整等变体。建议在 LeetCode 上刷 460（LFU Cache）、146（LRU Cache）以及「LRU with TTL」的实现题，重点关注「惰性删除 vs 主动删除」的取舍和「多数据结构协同」的设计思路。

二面结束后约 3 天收到 HR 电话，告知面试通过，下一轮为技术终面，间隔约一周。

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