【京东】【Agent 开发】【暑期实习HR面】面经（八股+大模型项目+手撕）

京东 Agent 开发 暑期实习 HR 面经

背景：海外一年制硕士，此前有一段大模型 Infra 相关实习，投递京东 Agent 开发岗，HR 面意外地带有技术考察性质，整体偏基础与项目验证。

题目摘要

1. Go 语言基础：goroutine 与 channel 的底层实现，GMP 调度模型简述，如何避免 goroutine 泄漏。
2. MySQL/Redis 八股：InnoDB 索引结构、事务隔离级别与 MVCC；Redis 缓存穿透/击穿/雪崩的应对方案。
3. Agent 项目深挖：RAG 检索质量如何评估与优化，Function Calling 的触发机制与容错处理，上下文管理策略与推理成本优化。
4. 手撕算法题：实现一个 LRU Cache（要求 get 和 put 均为 O(1)）。

项目深挖

追问 1：你提到 RAG 的检索质量做了优化，具体怎么做的？

参考回答方向：先讲评估维度，我使用了 Recall@k 和 MRR 作为离线指标，同时结合线上用户反馈的“无法回答率”做兜底判断。优化手段分三个层面：一是 embedding 模型从通用模型换成了领域微调模型，二是对 chunk 切分策略做了调整，从固定 512 token 改为按语义段落切分并保留标题上下文，三是引入了 hybrid search（向量+BM25）并做了 score 归一化融合。面试官可能会追问“为什么用 BM25 而不是只用向量”，需要答出“向量擅长语义相似但容易丢失精确关键词匹配，BM25 对专有名词和 ID 类查询更友好”。

追问 2：Function Calling 的触发逻辑是怎么设计的？

参考回答方向：先说明触发方式——我采用的是“预定义工具列表 + 模型自行判断是否调用”的模式，即把每个工具的描述、参数 schema 注入 system prompt，让模型在需要时输出结构化调用指令。关键难点在于容错：模型可能输出非法 JSON、参数缺失或调用不存在的工具，我的方案是加了一层校验器，解析失败时携带错误信息重试一次，仍失败则回退到“无法处理”的兜底回答。另外还做了工具调用的超时控制，避免外部 API 阻塞导致整体响应延迟过高。

追问 3：上下文管理上，你如何控制 token 成本？

参考回答方向：核心思路是分层管理——系统指令和工具描述固定在头部，对话历史按时间衰减截断，超长时用摘要压缩而非直接丢弃。实际落地时我实现了一个简单的滑动窗口 + 关键信息抽取机制，把历史对话先做关键词和实体抽取，压缩成结构化摘要再拼入上下文。成本优化方面，除了减少输入 token，还做了输出限制——对不需要推理的简单问题直接走短回复模板，避免模型过度生成。

手撕算法题

题目：设计并实现一个 LRU（最近最少使用）缓存，支持 get(key) 和 put(key, value) 操作，要求平均时间复杂度 O(1)。

关键思路：使用哈希表 + 双向链表。哈希表存储 key 到链表节点的映射，链表按访问时间排序，头部为最近使用，尾部为最久未使用。get 时若 key 存在，将对应节点移到头部并返回值；put 时若 key 已存在则更新值并移到头部，否则插入头部，若容量超限则删除尾部节点并同步删除哈希表映射。核心考点在于双向链表的节点删除和移动操作要 O(1)，这要求节点持有 prev 和 next 指针，且哈希表存的是节点指针而非值。

准备建议

1. 八股要过一遍高频题，但别背答案。面试官会追问底层原理，比如 MySQL 索引为什么用 B+ 树而不是红黑树、Redis 为什么单线程还快，这些要能推导出来而不是背结论。建议用“是什么-为什么-怎么用”的结构自己讲一遍，录音回听找逻辑漏洞。

1. 项目经历必须准备“数据支撑”和“失败案例”。HR 面虽然不深挖技术细节，但会通过追问验证项目真实性。提前准备好项目涉及的指标数值（如检索 Recall 提升了多少、响应延迟降低了多少），以及一个你踩过的坑和解决方案。没有具体数字的项目描述在 Agent 方向显得非常单薄。

1. 手撕算法题按“Hot 100 + 高频数据结构”刷。LRU、线程交替打印、TopK、反转链表这类基础题必须手写无误。面试时先讲思路再动手，写完主动跑一个测试用例验证边界条件（如空缓存、容量为 1、重复 key 覆盖）。建议在本地 IDE 里练到 15 分钟内能写出无语法错误的完整代码。

结果反馈

一面通过，两天后约了二面技术面。整体感受是京东的 HR 面并不是纯聊天，建议按技术面标准准备，尤其是项目和算法不能松懈。

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。