【旷视】【Agent 开发】【暑期实习三面】面经（八股+大模型项目+手撕）

旷视 Agent 开发 暑期实习三面面经

背景：海外一年制硕士，投递时无正式实习经历，有 2 个校园项目和 1 个开源贡献。

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，以及 defer 的常见坑。
2. MySQL 与 Redis 八股：InnoDB 索引结构（B+树）、事务隔离级别、MVCC；Redis 持久化（RDB/AOF）、缓存穿透与布隆过滤器。
3. Agent 项目深挖：针对简历中的 RAG + Function Calling 项目，追问检索质量优化、工具调用失败处理、上下文窗口管理。
4. 手撕算法题：合并 K 个升序链表（LeetCode 23 原题变体），要求分析时间/空间复杂度并手写可运行代码。
5. 系统设计小问：如果 Agent 需要并行调用 5 个外部工具，如何设计超时与结果聚合逻辑（口述思路即可）。

项目深挖

面试官对我简历上的「基于大模型的代码审查 Agent」项目最感兴趣，围绕 RAG 和 Function Calling 连续追问了约 20 分钟。以下是几个关键追问与参考回答方向：

追问 1：你提到用 RAG 增强检索，具体怎么处理检索结果与用户问题的相关性？

追问 2：Function Calling 场景下，如果模型返回的工具参数格式错误，怎么处理？

追问 3：上下文管理怎么做的？多轮对话后 token 超限怎么办？

准备建议

1. Go 语言别只背概念，要能写出并发模型。面试官让我现场画 GMP 模型图，并解释「为什么 M 阻塞时 G 会被抢占」。建议把 Go 的 sync.Mutex、atomic、channel 三种同步方式的适用场景整理成对比表，并手写一个「生产者-消费者」模型（用 channel + goroutine）练手。如果简历写 Java，就准备 JVM 内存模型和 CMS/G1 垃圾回收器的区别，注意旷视内部 Go 和 Java 都有，但 Agent 组偏 Go。

1. Agent 项目必须准备「失败案例」和「量化指标」。面试官一定会问「你的 RAG 有没有效果不好时候？怎么调的？」提前准备一个具体案例，比如「检索结果包含大量无关代码片段导致回答混乱」，然后描述你是怎么通过加过滤规则、调 chunk size、换 embedding 模型解决的。另外，量化指标很重要——如果你能说出「检索准确率从 78% 提到 89%，端到端回答准确率提升 12%」，面试官会认为你是真的做过而不是 demo 级项目。

1. 手撕算法题要练「变体」而非原题。合并 K 个链表这道题，我准备了优先队列（堆）解法，但面试官问的是「如果链表数量极大（比如 10^5 个），优先队列内存不够怎么办」，让我现场想分治合并的优化方案。建议刷题时主动想「这个题在数据规模变化时怎么优化」，以及「如果改成分布式环境怎么设计」。另外，写代码时注意边界条件（空链表、K=0），面试官会看你有没有主动处理。

结果反馈

三面结束后 3 天收到 HR 电话，告知通过，约了 4 天后的 HR 面。整体感受是旷味面试偏工程实践，不太问纯理论八股，更关注你「遇到问题怎么解决」的思路，建议提前把项目里每个技术选型都问自己一遍「为什么这样选，有没有替代方案」。

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。