面试面经 · Momenta
【Momenta】【Agent 开发】【暑期实习三面】面经（八股+大模型项目+手撕）
海外一年制硕士，投递 Momenta Agent 开发暑期实习，三面技术面，面试官是 Agent 方向的一线工程师，整体节奏偏深挖项目 + 八股穿插，全程约 70 分钟。
题目摘要
- Go 语言基础：
slice的底层结构与扩容机制，map是否并发安全，如何实现一个并发安全的 map；defer的执行顺序与闭包变量捕获陷阱。 - MySQL / Redis 八股：MySQL 聚簇索引与回表，为什么推荐自增主键；Redis 缓存穿透/击穿/雪崩的区别与对应方案，
Redis分布式锁的实现要点与续期问题。 - Agent 项目深挖：RAG 检索链路里 chunk 切分策略、召回率与精度的取舍；Function Calling 的工具描述怎么写、多工具冲突如何消歧；长对话上下文如何压缩，超出窗口怎么处理。
- 推理成本优化：如何降低单次 Agent 调用的 token 消耗与延迟，缓存、模型分级、prompt 精简、并行工具调用等具体手段。
- 手撕算法：给定一个字符串数组，返回所有可以由数组中单词拼接而成的目标字符串（类似「单词拆分 II」的变体，要求输出所有组合）。关键思路：先用哈希集合存词表，DFS + 记忆化，
memo[i]表示从下标 i 开始能拼出的所有后缀组合，避免重复子问题；也可以用 DP 预处理可达性再回溯剪枝。
项目深挖
追问一：你的 RAG 系统里 chunk 是怎么切的？为什么这么切？
参考回答方向：不要只说「按 512 token 切」。要讲清楚依据——文档类型（FAQ 短文本 vs 长技术文档）、语义边界（按标题/段落切而非硬截断）、overlap 设置（如 10%~20% 防止语义断裂）。再补一句权衡：chunk 太小召回碎片化、上下文不完整；太大则噪声多、命中精度下降、token 成本上升。最后落到你实际测过的指标，比如调整 chunk size 后 top-k 召回命中率的变化，哪怕是自己离线评测的小样本数据，也比空谈强。
追问二：Function Calling 里模型选错工具或者参数填错，你怎么处理？
参考回答方向：分三层说。第一层是 prompt/工具描述层面，工具名和 description 要写清适用场景和边界，参数用 enum 约束、给示例，减少歧义；第二层是运行时校验，拿到模型返回的 JSON 后做 schema 校验，参数缺失或类型错误就返回结构化错误信息让模型重试；第三层是兜底，重试 N 次仍失败则降级到规则匹配或直接向用户澄清。可以提一句多工具冲突时用「先粗分类再细选」的两阶段路由，比一次性丢几十个工具给模型更稳。
追问三：多轮对话上下文越来越长，你怎么控制？
参考回答方向：不要只答「截断」。可以讲：滑动窗口保留最近 N 轮 + 对更早的历史做摘要压缩（用便宜的小模型生成 summary）；把稳定信息（系统 prompt、工具定义）和易变信息（对话历史）分离，前者可缓存；对 RAG 召回的文档做重排后只保留 top-k，避免把整篇塞进去。再补一句成本视角：上下文长度直接决定输入 token，长上下文模型单价更高，能用摘要 + 检索替代全量历史就尽量替代。
准备建议
- 把项目里的每个技术选型都准备一个「为什么不用另一个」的答案。面试官几乎不会问「你做了什么」，而是问「你为什么这么做」。RAG 的向量库选型、chunk 策略、Agent 的规划方式（ReAct vs Plan-and-Execute），都要能说出取舍，并尽量带上你测过的数字。
- 八股不要背结论，要能顺着往下讲两层。比如问到 Redis 分布式锁，答完
SETNX + 过期时间后，主动补上「锁续期用看门狗」「释放锁要用 Lua 保证原子性」「Redlock 的争议」。Go 的 slice 扩容，答完 1.18 前后的扩容策略差异，再补一句扩容后的内存拷贝成本对性能的影响。这种「答完再延伸」的节奏最加分。
- 手撕题按「暴力 → 优化 → 边界」三步讲。先说出暴力解法确认题意，再讲优化思路（记忆化、剪枝、DP），最后主动提边界情况（空字符串、词表含单字符、目标串无法拼接）。写代码时命名清晰、先写主逻辑再补边界，比一上来抠细节更稳。建议把「单词拆分」「组合总和」「括号生成」这类 DFS + 记忆化的题各手写一遍。
整体感受：三面不再考你会不会，而是考你想得够不够深、有没有工程判断。项目部分占比明显高于纯八股，Agent 相关的上下文管理和成本优化是高频追问点。
面试结束当天收到反馈，三面通过，约一周后进入 HR 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。
