面试面经 · 网易
【网易】【Agent 开发】【暑期实习一面】面经（八股+大模型项目+手撕）
海外一年制硕士，投递网易某事业部 Agent 开发暑期实习，一面约 60 分钟，视频面，面试官是组内做 Agent 平台方向的工程师，全程共享屏幕写代码。
题目摘要
- Go 语言基础：
slice的底层结构与扩容策略，append在什么情况下会触发底层数组复制；map是否并发安全，sync.Map的适用场景。 - MySQL：聚簇索引与二级索引的区别，什么情况下会走覆盖索引；
EXPLAIN里type=range和type=index的含义差异。 - Redis：缓存穿透、击穿、雪崩三者的区别与对应方案；
ZSET的底层实现（跳表 + 哈希表）以及为什么不用红黑树。 - Agent 项目深挖：RAG 链路里检索召回率低怎么定位；Function Calling 的工具描述（tool schema）怎么写才不容易让模型选错工具；多轮对话上下文超长时的裁剪策略。
- 推理成本优化：如何在保证效果的前提下降低单次请求的 token 消耗，有没有做过 prompt 缓存或结果缓存。
- 手撕算法：给一个整数数组
nums和一个整数k，求所有和为k的连续子数组个数（元素可正可负）。关键思路：前缀和 + 哈希表，遍历时用map[prefixSum]记录前缀和出现次数，对每个位置查prefixSum - k是否出现过，时间复杂度 O(n)。面试官追加要求：如果数组全是正数，能不能用滑动窗口，并说明两者适用边界。
项目深挖
简历上写了一段基于 RAG 的知识库问答 Agent，面试官基本围着这一段问了 20 多分钟，追问密度很高。
追问一：你说检索召回率提升了，具体怎么衡量的？
参考回答方向：不要只说"感觉变好了"。要给出可量化的口径，比如构造了一个 100～200 条的评测集，每条标注了标准答案所在的 chunk，用 Recall@5 和 MRR 来衡量。然后说明改动点：一是 chunk 切分从固定长度改成按语义/标题层级切，二是加了 query 改写（把用户口语化问题改写成检索友好的 query），三是混合检索（向量 + BM25）后做 RRF 融合。每项改动分别带来多少提升要能说清楚，哪怕数字不精确，也要有对比实验的意识。
追问二：Function Calling 里模型选错工具，你怎么解决？
参考回答方向：先定位是工具描述问题还是模型能力问题。常见做法是：工具名和 description 写清楚"什么时候用、什么时候不用"，参数用 enum 收敛取值范围，减少自由文本参数；工具数量多的时候做分层路由，先用一次轻量调用判断意图类别，再在子集里选工具；对高频错误加 few-shot 示例。还可以提一句：如果模型支持并行工具调用，要在 prompt 里明确约束调用顺序和依赖关系，避免它把有依赖的两个工具并行执行。
追问三：上下文超长了怎么处理？
参考回答方向：分层说。第一层是滑动窗口保留最近 N 轮；第二层是对早期对话做摘要压缩，把摘要作为 system 或首轮上下文注入；第三层是把工具返回的大结果（比如长文档）只保留关键字段或做二次摘要，不要把原始 JSON 全塞回去。要强调裁剪策略要保住"当前任务的目标和已确认的约束"，否则模型会反复问已经确认过的信息。如果做过 token 计数和预算分配（比如 system 占多少、历史占多少、检索结果占多少），可以展开讲。
准备建议
- 八股按"能画图 + 能说边界"准备。MySQL 索引和 Redis 数据结构这两块，不要背结论，要能在纸上画出 B+ 树和跳表的插入过程，并且能回答"为什么这里不用另一种结构"。面试官很爱在你说完结论后追问一句"那为什么"。
- Agent 项目准备一份"问题—定位—方案—验证"四段式讲稿。每个技术点都按这个结构组织，尤其是 RAG 和 Function Calling，面试官几乎必问"你怎么知道改有效"。提前想好 2～3 个失败案例和你怎么排查的，比只讲成功经验更加分。
- 算法保持手感，重点练前缀和、滑动窗口、双指针、二叉树遍历。网易一面手撕通常一道中等题，要求写完能跑通并说清复杂度，可能追加一个变体。LeetCode Hot 100 刷熟即可，但每道题要能口述思路再动手，避免边写边想。
一面通过，三天后约了二面。
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。
