NiceOffer

面试面经 · 京东

【京东】【Agent 开发】【暑期实习二面】面经（八股+大模型项目+手撕）

发布于 2026-08-22

京东面经Agent 开发实习

京东 Agent 开发 暑期实习二面面经

背景： 海外一年制硕士，主修计算机，简历上有一段基于大模型的 RAG 问答系统项目和一段 Go 微服务实习。

题目摘要

  1. Go 并发模型与内存可见性：Goroutine 调度、Channel 通信与 Mutex 的取舍，以及 sync.Map 的适用场景。
  2. MySQL 索引失效与事务隔离级别：联合索引最左前缀原则的失效条件、MVCC 在 RR 级别下如何解决幻读。
  3. Redis 缓存一致性：Cache Aside 模式下，先删缓存还是先更新数据库？如何用延迟双删或 binlog 订阅保证最终一致性。
  4. RAG 项目深挖：知识库切分策略、Embedding 模型选择、检索召回率优化、以及大模型幻觉的缓解手段。
  5. Function Calling 与上下文管理：如何设计 Agent 的工具调用协议，以及当工具返回结果过长时如何压缩上下文。
  6. 手撕算法： 题目为「合并区间」（LeetCode 56 变体），输入乱序区间，输出合并后的区间列表。

项目深挖

面试官全程围绕简历上的 RAG 项目发问，没有问任何无关的泛泛而谈。以下是三个关键追问及参考回答方向：

追问 1：你提到用 BGE 模型做 Embedding，为什么不用 OpenAI 的 text-embedding-3-small？

参考回答方向：从成本、隐私、效果三个维度展开。BGE 是开源模型，可以本地部署，避免了敏感数据外泄的风险；在中文检索任务上，BGE-large 的 C-MTEB 榜单表现优于同尺寸的 OpenAI 模型，且微调成本低。如果面试官追问“有没有做过效果对比”，可以补充：在自建的业务数据集上，BGE 的 Recall@10 比 OpenAI 模型高出约 4 个百分点，但 OpenAI 模型在长文本（>512 tokens）上的表现更好，因此最终采用分段检索 + BGE 的方案。

追问 2：你的 RAG 系统在处理多轮对话时，如何避免重复检索或上下文丢失？

参考回答方向：这是一个典型的上下文管理问题。我的方案是维护一个滑动窗口，只保留最近 N 轮对话，并利用 LLM 对当前问题做一次 Query Rewrite（改写），将指代消解和省略补充进去，再送入检索器。同时，将历史检索到的文档 ID 存储在 Redis 中，如果改写后的 Query 与历史 Query 的语义相似度超过 0.9，直接复用之前的检索结果，减少重复调用 Embedding 接口的延迟和成本。

追问 3：你如何评估 RAG 系统的检索质量？有没有做端到端的评测？

参考回答方向：分两层。第一层是检索层，用 Recall@K 和 MRR 指标，构建了一个 200 条带标注的测试集。第二层是生成层，用 LLM-as-a-Judge 的方式，让 GPT-4 对回答的忠实度和相关性打分，同时人工抽检 30% 的结果做一致性校验。这里可以主动提一句“生成长度约束”，因为如果不限制输出长度，LLM 容易产生冗长但低信息密度的回答，影响用户体验。

手撕算法详解

题目：给定一个区间的集合 intervals，其中 intervals[i] = [start_i, end_i]，合并所有重叠的区间，并返回不重叠的区间数组。

关键思路：先按区间起点升序排序，然后遍历。维护一个当前合并区间的 [start, end]，如果下一个区间的 start <= 当前 end，则更新 end = max(end, next_end)；否则将当前区间加入结果集，并更新为下一个区间。

边界条件：空数组直接返回空；单个区间直接返回自身；注意区间可能为 [1,4] 和 [4,5]，这种情况属于重叠（因为 4 <= 4）。

复杂度：排序 O(n log n)，遍历 O(n)，总时间复杂度 O(n log n)，空间复杂度 O(n)（存储结果）。

准备建议

  1. Go 并发题必刷：京东后端大量使用 Go，重点准备 Channel 与 Mutex 的区别、Goroutine 泄漏场景（如 select 中没有 default 导致阻塞）、以及 sync.Pool 的作用。建议手写一个「生产者-消费者」模型，并用 go test -race 验证数据竞争。
  2. RAG 项目准备一张「数据流图」：面试官深挖项目时，会顺着你的回答不断追问。建议提前画清楚从文档加载、切分、Embedding、向量检索、重排到生成的完整链路，并标注每一步的耗时占比和优化点。例如，切分 chunk size 从 512 调整到 256 后，Recall@10 提升了 3 个百分点，但存储成本增加了 20%，这种具体的 trade-off 数据比空谈理论更有说服力。
  3. 算法题限时训练：京东面试的手撕题难度中等，但要求一次写对。建议在 LeetCode 上按「区间问题」「双指针」「滑动窗口」三个标签各刷 10 道题，并刻意练习在 15 分钟内完成从读题到 AC 的全流程。面试时先讲思路，再动手写，写完主动跑两个测试用例（包括边界情况）。

结果反馈

二面结束后约 3 天收到 HR 电话，通知面试通过，并预约了约一周后的三面（主管面）。整体感受是京东的面试官非常务实，对项目细节的追问密度高，但不会故意刁难，准备充分的话可以平稳通过。

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