NiceOffer

面试面经 · 理想汽车

【理想汽车】【Agent 开发】【暑期实习一面】面经（八股+大模型项目+手撕）

发布于 2026-08-12

理想汽车面经Agent 开发实习

理想汽车 Agent 开发 暑期实习一面面经

背景

海外一年制硕士，计算机相关专业，主攻 LLM 应用与后端工程，无实习经历，简历上有一个 RAG 问答系统和一个小型 Function Calling 项目。

题目摘要

  1. Go 基础：goroutine 与 channel 的使用场景，GMP 模型简述，内存逃逸分析。
  2. MySQL/Redis 八股：事务隔离级别与 MVCC 原理，Redis 持久化机制（RDB/AOF）对比，缓存穿透/击穿/雪崩的解决方案。
  3. RAG 项目深挖：如何评估检索质量？chunk 大小如何确定？多轮对话下的上下文管理策略？
  4. Function Calling 设计：如何让模型稳定地选择正确的 function？参数校验与错误恢复机制？
  5. 推理成本优化：Prompt 压缩、缓存策略、模型选型方面的实际经验。
  6. 手撕算法：设计一个支持 insert、delete、getRandom 且时间复杂度 O(1) 的数据结构（LeetCode 380 变体，要求处理重复元素）。关键思路：HashMap 存值到索引集合的映射，数组存实际元素，删除时与末尾元素交换后 pop。

项目深挖

面试官对简历上的 RAG 项目追问非常细，全程约 25 分钟，是整场面试的核心环节。

追问 1：你的 RAG 系统在检索质量上做了哪些优化？如何量化评估？

参考回答方向：先明确 baseline 是纯向量检索（embedding 模型用 bge-large-zh），发现 top-5 召回准确率仅 62%。随后做了三项优化：① 混合检索（BM25 + 向量检索，RRF 融合），召回准确率提升至 78%；② 查询改写（对多轮对话中的指代消解，如"它的原理是什么"改写为完整问题），提升至 83%；③ 重排序模型（bge-reranker-base），top-5 准确率最终到 89%。评估方式上，构建了 200 条人工标注的 QA 测试集，指标用 Recall@K 和 MRR。面试官追问了 RRF 的公式和为什么有效，需要能现场推导。

追问 2：chunk 大小怎么定的？切分策略有哪些坑？

参考回答方向：对比了 128/256/512/1024 四档 chunk size，用召回率和生成质量两个维度评估，最终选了 256（约 200-300 中文字符）。切分策略上，按 Markdown 标题和段落结构做语义切分，避免硬切导致上下文断裂。坑点：① 表格和代码块容易被切断，需要特殊处理（检测到代码块或表格时整体作为一个 chunk）；② 固定 size 的 chunk 在长文档中会丢失章节层级信息，所以额外加了 metadata（章节路径、页码）辅助检索。面试官追问了"chunk 重叠"的问题，回答是加了 10% 的重叠率，缓解边界信息丢失。

追问 3：Function Calling 场景下，如何保证模型不"幻觉"调用？

参考回答方向：三层防护：① Prompt 层——在 system prompt 中明确"仅当用户意图明确匹配某个 function 时才调用，否则返回普通回答"，并给出正反例 few-shot；② 逻辑层——对模型返回的 function 名和参数做 JSON Schema 校验，不合法则丢弃该次调用并降级为普通对话；③ 兜底层——对关键 function（如数据库写入）加人工确认机制。另外，对 function 描述做了 A/B 测试，发现描述里加"何时使用/何时不使用"的说明能显著降低误调用率（从 18% 降至 6%）。面试官追问了"多个 function 参数相似时模型怎么选"，回答是会在描述中强调区分点，并在返回结果中附带置信度供上层决策。

准备建议

  1. 项目深挖要准备"数据" 。面试官对"效果提升 X%"这类量化表述非常敏感，会追问评估集怎么建的、指标怎么算的。建议把项目中的每个优化点都配上实验对比数据（baseline vs 优化后），并准备好能现场推导的公式（如 RRF、MRR）。
  1. 手撕算法不要只刷高频题。这次考的 O(1) 数据结构是 LeetCode 380/381 的原题变体，属于"看似简单但边界条件多"的类型。建议把高频题的变体都刷一遍，特别是涉及"删除时交换末尾元素""HashMap 存索引集合"这类需要处理重复元素的题目。现场要边写边讲思路，面试官会盯着你的代码抠边界。
  1. Go 语言基础要系统过一遍。面试官不会只问语法，会直接问 GMP 模型、内存逃逸分析这类偏底层的问题。建议把《Go 语言设计与实现》中 goroutine、channel、内存管理三章过一遍，能画出 GMP 调度流程图，能解释逃逸分析的触发条件。另外，MySQL 和 Redis 的八股要准备到"能讲出原理推导过程"的深度，比如 MVCC 要能画出 undo log 版本链。

结果反馈

一面通过，3 天后约了二面（技术面 + 交叉面连着面）。整体感受是理想汽车的面试风格偏务实，不考偏题怪题，但会把你简历上写的东西一层层剥开问到底，建议在项目细节上多花时间准备。

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