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

Momenta Agent 开发 暑期实习 HR面 面经

海外一年制硕士，投递 Momenta Agent 开发岗，HR 面一小时，整体节奏快，技术问题占比高，HR 对工程落地细节比预期更懂。

题目摘要

• Go 语言基础：goroutine 与 channel 的底层原理，GMP 模型简述，内存逃逸分析场景
• MySQL/Redis 八股：索引失效场景、间隙锁与幻读、Redis 持久化机制对比（RDB vs AOF）、缓存穿透/击穿/雪崩的区分与应对
• Agent 项目深挖：RAG 检索召回质量优化、Function Calling 的 tool 选择策略、多轮对话上下文管理、推理成本优化（token 压缩与缓存）
• 手撕算法题：合并区间（LeetCode 56 变体），要求输出合并后的区间数量，并说明时间/空间复杂度
• 系统设计开放题：如果为 Agent 增加记忆功能，你会如何设计存储与检索方案

项目深挖

追问 1：你的 RAG 方案中，检索召回率低时怎么排查？

参考回答方向：先分环节定位——是 embedding 模型对领域术语表征差，还是 chunk 切分破坏了语义完整性，或是 rerank 阈值设置不合理。我实际做法是构建一个小的评估集，标注 50 条 query 对应正确文档，离线跑 recall@k 指标，对比不同 chunk size（256/512/1024）和 top-k 值的效果。另外检查了 query 是否需要改写（如缩写、口语化表达），加了一层基于 LLM 的 query 理解模块，recall@5 从 68% 提到 82%。

追问 2：Function Calling 的 tool 数量多时，如何控制 token 消耗和选择准确性？

参考回答方向：两个维度——一是 tool 描述精简，把长 description 压缩成关键词+参数 schema，实测单 tool 描述从 120 token 降到 40 token，整体 system prompt 减少约 30%；二是分组路由，先让模型选 tool 类别（如"天气类""计算类"），再在组内做具体选择，避免一次性把所有 tool schema 塞进 prompt。还加了缓存，同一 session 内相同 tool 列表不重复下发。

追问 3：多轮对话中上下文越来越长，怎么处理？

参考回答方向：滑动窗口+摘要压缩双轨。窗口内保留最近 5 轮完整消息，更早的用 LLM 生成结构化摘要（用户意图、已确认信息、待办事项），摘要本身也做 token 预算限制。另外对工具调用结果做截断，只保留关键字段，不把完整 JSON 响应塞进上下文。实测上下文 token 从峰值 8k 压到 3.5k，且关键信息召回率没明显下降。

手撕算法题

题目：给定一个区间的集合 intervals，合并所有重叠区间，返回合并后的区间数量。要求原地修改（可排序），空间复杂度 O(1)（不计排序栈空间）。

关键思路：先按区间起点升序排序；维护当前合并区间的右端点 curEnd，遍历每个区间，若当前区间起点 <= curEnd，则更新 curEnd = max(curEnd, 当前区间终点)；否则计数 +1，并重置 curEnd。注意边界：区间可能完全被包含，此时 curEnd 不变。时间复杂度 O(n log n) 为排序开销，遍历 O(n)。

代码要点：排序用 sort.Slice 或 Arrays.sort，注意 Go 里 sort.Slice 的 less 函数闭包捕获 intervals 切片，比较 intervals[i][0] < intervals[j][0]。合并时直接复用原切片，不新建结果数组，用指针 index 记录写入位置。

准备建议

1. Go 基础别只背八股，要能画 GMP 流程图。面试官会追问"goroutine 栈初始多大，什么时候扩容"、"channel 底层是 hchan 结构体，sendq/recvq 怎么组织"，建议手写一遍 GMP 调度循环伪代码，理解 P 的本地队列和全局队列的 steal 机制。
2. Agent 项目准备一个量化指标表。把每个优化动作对应的指标变化（recall、latency、token 消耗）做成表格，面试时直接报数字。Momenta 的风格是"你说提升了，那具体提升多少，怎么测的"，没有数据的优化描述会被视为无效。
3. 手撕算法题刷高频区间类。合并区间、插入区间、会议室 II 这三道必刷，注意变体（如返回合并后的区间数量、返回最大重叠数）。建议用 Go 写，因为岗位 JD 明确要求 Go，用 Java 写可能被追问"Go 的 slice 和 array 区别"。

结果反馈

一面通过，3 天后约技术二面，面试官说后续会重点考察 Agent 推理链路设计和多模态数据处理。

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。