NiceOffer

面试面经 · 懂车帝

【懂车帝】【Agent 开发】【暑期实习三面】面经（八股+大模型项目+手撕）

发布于 2026-10-07

懂车帝面经Agent 开发实习

海外一年制硕士，投递懂车帝 Agent 开发暑期实习，三面约 60 分钟，面试官是 Agent 方向的技术负责人，全程围绕项目细节和工程落地追问，八股占比不高但问得很深。

题目摘要

1. Go 语言基础：slice 扩容与 map 并发安全

  • slice 的扩容策略（1.18 之后 growslice 的容量计算逻辑，小于 256 翻倍、大于 256 按 1.25 倍增长并做内存对齐），以及扩容后底层数组指针变化对共享 slice 的影响。
  • map 为什么并发读写会 panic（concurrent map read and map write 的检测机制），sync.Map 的适用场景（读多写少、key 相对稳定），以及它在 Agent 场景下缓存工具描述、会话元数据时是否合适。

2. MySQL / Redis 八股

  • MySQL 聚簇索引与回表，explain 里 type 从 ALL 到 ref 的优化路径；为什么 Agent 会话表按 session_id 建索引后，范围查询 created_at 仍可能走全表。
  • Redis 缓存穿透 / 击穿 / 雪崩的区别与对应方案，重点问了大模型场景下「工具调用结果缓存」如何设计 key（工具名 + 参数规范化后的 hash）以及 TTL 怎么定。

3. Agent 项目深挖：RAG 与 Function Calling

  • RAG 链路里 chunk 切分策略、embedding 模型选型、召回后 rerank 的必要性；追问「召回率上不去时你排查了哪些环节」。
  • Function Calling 的 schema 设计：工具数量多了之后模型选择准确率下降怎么办，是否做过工具分层或两阶段路由。
  • 上下文管理：多轮对话 token 超限时的裁剪策略（滑动窗口 / 摘要压缩 / 关键信息抽取），以及裁剪后如何避免模型「失忆」。

4. 推理成本优化

  • 如何统计单次请求的 token 消耗与成本，缓存命中率对成本的影响，是否做过 prompt 精简、模型分级（简单意图走小模型、复杂推理走大模型）。

5. 手撕算法：最小覆盖子串

题意：给字符串 s 和 t，在 s 中找到包含 t 所有字符（含重复）的最短子串，不存在返回空串。
关键思路：滑动窗口 + 哈希计数。右指针扩张直到窗口满足条件，然后左指针收缩并更新最小长度，用 need / window 两个计数表 + valid 变量判断是否满足，时间复杂度 O(n)。面试官要求手写并跑通边界用例（t 长度大于 s、t 有重复字符）。

项目深挖

追问一：你的 RAG 系统召回效果怎么评估的？

参考回答方向：不能只说「感觉还行」。要讲清楚评估集怎么构建（从真实 query 里采样 + 人工标注相关文档），指标用 Recall@K 和 MRR，分别测向量召回、BM25、混合召回三档。如果召回差，先看是切分粒度问题（chunk 太大语义稀释、太小上下文断裂）还是 embedding 与业务语料不匹配，再决定是否加 rerank 或换模型。面试官在意的是你有没有「定位—验证—迭代」的闭环，而不是堆技术名词。

追问二：Function Calling 里模型选错工具或者参数格式错误，你怎么处理？

参考回答方向：分两层。第一层是 schema 层面，参数用 JSON Schema 严格约束，枚举值写全，description 写清楚使用场景和反例；第二层是运行时，解析失败时做一次带错误信息的重试（把报错回传给模型让它修正），仍失败则降级到规则匹配或直接反问用户澄清。可以补充：工具数量超过 20 个后准确率明显下降，所以做了按意图先粗筛候选工具再让模型选，相当于两阶段路由。

追问三：多轮对话上下文怎么管理，成本和效果怎么平衡？

参考回答方向：先说策略分层——最近 N 轮原文保留，更早的对话做摘要压缩，实体和关键约束（比如用户明确说过的车型、预算）单独抽出来存结构化字段，每轮都注入。再说成本：统计过摘要压缩能省多少 token，以及摘要本身也要调模型、也有成本，所以要设阈值，不是每轮都压。最后说效果验证：构造长对话测试用例，看压缩后模型是否还能正确引用早期信息。

准备建议

  1. 把项目里的每个技术选型都准备好「为什么不用另一个」的答案。 比如为什么用向量库 A 不用 B、为什么 chunk 设 512 不设 256。面试官不关心你用了什么，关心你决策的依据。提前把项目里 3-5 个关键决策点写成「背景—方案对比—结论—验证结果」的四段式。
  1. 八股不要背结论，要能讲清楚机制和边界。 Go 的 slice 扩容、map 并发、GMP 调度，MySQL 索引失效场景，Redis 持久化和过期策略，这些要能画图讲清楚底层。Agent 岗虽然偏应用，但三面往往会用八股筛掉「只会调 API」的候选人。
  1. 手撕题按高频清单刷，重点练滑动窗口、双指针、二叉树、DP 和链表。 每道题不仅要写对，还要能说清时间空间复杂度、边界条件、以及如果数据量变大怎么优化。面试时先讲思路再动手，写完主动跑 2-3 个边界用例，这个习惯很加分。

三面结束当天收到 HR 通知通过，约一周后进入 HR 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。

相关阅读