面试面经 · 华为
【华为】【大模型开发】【暑期实习二面】面经（八股+大模型项目+手撕）
华为 大模型开发 暑期实习二面 面经
背景：海外一年制硕士，主攻 NLP 与 LLM 应用，有一段中小厂大模型平台实习。
题目摘要
- Java 基础：ConcurrentHashMap 在 JDK 7/8 中的结构差异，put 流程中锁的粒度变化，以及 size() 方法在并发下的实现逻辑。
- MySQL 与 Redis 八股：MVCC 下 RR 隔离级别如何解决幻读；Redis 持久化 RDB 与 AOF 的取舍，以及混合持久化在重启时的恢复顺序。
- RAG 项目深挖：针对我简历中的企业知识库问答项目，追问 chunk 切分策略、召回融合、以及 rerank 的必要性。
- Agent 项目深挖：关于 Function Calling 的 prompt 构造、多轮工具调用的上下文管理、以及推理成本优化手段。
- 手撕算法：合并 K 个升序链表（力扣 23）。要求先讲思路（优先队列/分治），再写代码，最后分析时间与空间复杂度。
- 开放题：如果让一个 7B 模型在端侧跑 RAG，你会怎么设计整体架构？
项目深挖
面试官全程围绕我简历上的「RAG 知识库问答」与「多工具 Agent」两个项目，问题密度高且层层递进，没有一句废话。
追问 1：你的 chunk 切分策略是什么？为什么不用固定长度？
追问 2：你的 Agent 在多次 Function Calling 中，如何管理历史工具调用记录？
追问 3：推理成本优化你具体做了什么？
手撕算法
题目是合并 K 个升序链表。我先说思路：维护一个大小为 K 的最小堆，每次弹出堆顶节点（当前 K 个头节点中最小的），将其 next 入堆，直到堆空。时间复杂度 O(N log K)，N 为总节点数，空间复杂度 O(K)。面试官让我写完后，追问了“如果 K 很大但每个链表很短，堆法和分治哪个更好”，我答堆法在 K 大时堆操作开销可控，分治需要多轮合并，但两者复杂度同阶，实际看链表长度分布。面试官点头后没再刁难。
准备建议
- 把 RAG 的每个环节都准备到“能讲出为什么”：chunk 切分、embedding 模型选型、召回数量、rerank 阈值、以及检索失败时的兜底策略。面试官一定会沿着你的方案往下追，不要只会说“我用了 LangChain”，要能讲出每个默认配置背后的 trade-off。
- Agent 项目重点准备“多轮与多工具”场景：工具调用的 prompt 怎么写、结果怎么回填、上下文怎么裁剪、怎么防幻觉调用。建议自己画一张流程图，把一次完整的多工具调用链路画清楚，面试时直接对着讲。
- 算法题刷透“堆 + 链表”组合：合并 K 个有序链表、K 个有序数组合并、Top K 高频元素这类题都是大模型岗位的高频题，因为和 RAG/搜索召回的场景有天然关联。刷题时一定要求自己先讲思路再写代码，模拟面试节奏。
结果反馈
一面通过后约了二面，整体节奏紧凑，面试官对工程细节的追问比一面深一个量级，但所有问题都贴着简历走，没有故意刁难。目前等 HR 通知三面时间。
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。
