【旷视】【大模型开发】【暑期实习HR面】面经（八股+大模型项目+手撕）

海外一年制硕士，投递旷视大模型开发暑期实习，HR 面约 40 分钟，全程围绕简历与岗位匹配度展开，技术问题偏基础但追问密度高。

题目摘要

1. Go 语言基础：slice 与 array 的区别，slice 扩容机制，map 是否并发安全，如何实现一个并发安全的 map。
2. MySQL / Redis 八股：MySQL 索引为什么用 B+ 树而不是 B 树；Redis 持久化 RDB 与 AOF 的区别与选型；缓存穿透、击穿、雪崩的区分与应对。
3. RAG 项目深挖：文档切分策略怎么定的，召回阶段用的是什么检索方式，有没有做 rerank，如何评估检索质量。
4. Function Calling 与上下文管理：Agent 调用工具时如何设计 schema，多轮对话上下文超长怎么处理，有没有做上下文压缩或摘要。
5. 推理成本优化：线上推理成本主要花在哪，有没有做过量化、蒸馏、KV Cache 复用或请求批处理。
6. 手撕算法题：给定一个整数数组和一个目标值，找出数组中所有和为目标值的两个数的下标组合（每个数只能用一次），要求时间复杂度 O(n)。关键思路：用哈希表记录已遍历元素的值与下标，遍历时查 target - nums[i] 是否在表中，命中则输出下标对；注意去重和边界处理。

项目深挖

追问一：RAG 的召回质量怎么保证？

面试官不会只问“你用了什么向量库”，而是会追“你怎么知道召回是对的”。参考回答方向：先说明评估集怎么构造，比如从业务日志里抽 200 条真实 query，人工标注相关文档；然后对比不同切分粒度（256 / 512 / 1024 token）和不同 embedding 模型下的 Recall@5、MRR；如果做了 hybrid search（BM25 + 向量），要能说清楚两路分数怎么融合，是加权求和还是 RRF。最后补一句线上监控，比如用 LLM 对召回结果做相关性打分，低于阈值触发告警。

追问二：Function Calling 的 schema 设计踩过什么坑？

面试官想听的是工程细节，不是概念复述。参考回答方向：工具描述要写清楚“什么时候用”而不是只写“这个工具能做什么”，否则模型容易乱调；参数类型尽量用 enum 而不是自由文本，减少解析失败；多工具场景下要控制工具数量，超过 10 个后模型选择准确率明显下降，可以考虑分组或两级路由。如果被问到“模型返回了非法 JSON 怎么办”，要能说出兜底策略：正则提取、重试、降级到规则匹配。

追问三：上下文超长怎么处理？

参考回答方向：先分层，系统 prompt 固定不动，历史对话按轮次做滑动窗口，早期对话用摘要替代；摘要不是简单截断，而是用一个小模型把前 N 轮压缩成结构化要点（用户意图、已确认事实、待办事项）。如果项目里做过 KV Cache 复用或 prefix caching，一定要主动提，这是加分项。最后补一句成本对比：压缩后 token 数下降多少，推理延迟和费用变化多少。

准备建议

1. 八股不要只背结论，要能画图。MySQL B+ 树、Redis 持久化、缓存三兄弟，面试官随时会让你“画一下”或“举个例子”。准备时拿一张白纸，把 B+ 树叶子节点链表、RDB 触发时机、缓存穿透的布隆过滤器流程手画一遍，比背文字有效得多。

1. 项目复盘用 STAR 但重点放在“坑”上。面试官对“我用了 LangChain 做了 RAG”没兴趣，对“我一开始切分 512 token 召回很差，后来改成按标题层级切分 + overlap 128，Recall@5 从 0.62 提到 0.81”才有兴趣。每个项目准备 2 个具体数字和 1 个失败教训。

1. 手撕算法保持手感，重点练哈希和双指针。大模型岗的手撕不会太难，但要求一次写对、边界清晰。每天 1 道 LeetCode 中等题，限时 15 分钟，写完自己造 3 组测试用例（空数组、重复元素、无解）跑一遍。Go 或 Java 选一个自己顺手的，别临时换语言。

HR 面结束后约 3 个工作日收到反馈，一面通过，一周后约二面（技术面）。

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。