面试面经 · 小马智行
【小马智行】【大模型开发】【暑期实习一面】面经（八股+大模型项目+手撕）
海外一年制硕士，投递小马智行大模型开发暑期实习，一面约 60 分钟，两位面试官，一位偏工程、一位偏算法，全程线上视频，共享文档手撕代码。
题目摘要
- Go 语言基础：
slice的底层结构、扩容规则，以及slice作为函数参数时修改元素为什么能影响原切片、而append之后却可能失效；追问map是否并发安全、sync.Map的适用场景。 - MySQL / Redis 八股：MySQL 聚簇索引与二级索引的区别、回表过程、为什么建议用自增主键；Redis 的持久化 RDB/AOF 差异，缓存穿透、击穿、雪崩的区分与各自解法，重点追问了布隆过滤器误判的处理。
- RAG 项目深挖：文档切分策略怎么定的、embedding 模型选型依据、召回 top-k 怎么调、有没有做 rerank、如何评估检索质量。面试官对"切分粒度与召回率的权衡"追问了两轮。
- Agent / Function Calling：工具调用的 schema 怎么设计、多轮工具调用时上下文如何管理、工具返回超长结果怎么截断或摘要、失败重试与幂等怎么保证。
- 推理成本优化：从 prompt 压缩、KV Cache 复用、批处理、模型分级路由几个角度展开，问有没有实际量化过 token 成本。
- 手撕算法：LRU 缓存（LeetCode 146）。题意是设计一个容量为 capacity 的缓存，支持
get和put，两者都要求 O(1) 时间复杂度，超出容量时淘汰最久未使用的 key。关键思路是哈希表 + 双向链表：哈希表存 key 到链表节点的映射，双向链表维护访问顺序，头部为最近使用、尾部为最久未使用；get命中后把节点移到头部，put时若 key 存在则更新并移到头部，不存在则新建插入头部，超容则删尾节点并同步删哈希表。面试官要求用 Go 写，并追问"如果并发访问怎么办"，答加读写锁或分段锁，进一步问锁粒度。
项目深挖
追问一：你的 RAG 系统里，文档切分是按固定长度还是按语义？怎么验证切分策略是合理的？
参考回答方向：先说明实际用的是"固定长度 + 重叠窗口"打底，再对结构化文档（标题、表格）做语义边界切分，避免把一段完整逻辑切断。验证上不能只凭感觉，要构造一批带标注的问答对，看召回文档是否覆盖答案所在片段，用 recall@k 和 MRR 衡量；同时对比不同 chunk size（比如 256/512/1024）下的召回率和最终回答准确率，选拐点而不是选最大值，因为 chunk 越大噪声越多、token 成本越高。面试官想听的是"你有没有用数据驱动决策，而不是拍脑袋定参数"。
追问二：Agent 多轮调用工具时，上下文越来越长，你怎么控制？
参考回答方向：分三层讲。第一层是裁剪，只保留最近 N 轮完整对话，更早的做摘要压缩，摘要里保留实体、约束和已确认结论；第二层是结构化，把工具调用结果不原样塞回上下文，而是抽取关键字段（比如只保留订单号、状态、金额），长文本走摘要；第三层是外部记忆，把历史写入向量库或 KV，需要时按 query 检索回来，而不是常驻上下文。可以补一句：要监控每轮的 token 增长曲线，设置阈值触发压缩，避免某次工具返回异常长把窗口打爆。
追问三：Function Calling 里工具执行失败或超时，你怎么处理？
参考回答方向：先说区分错误类型——参数错误（模型生成 schema 不合法）应当把校验错误信息回传给模型让它重试；网络超时或下游 5xx 应当有限次退避重试，重试仍失败则降级返回兜底话术。强调幂等：写操作类工具要带请求 ID，服务端去重，避免模型重试导致重复下单。再补一句可观测性：每次工具调用记录入参、耗时、结果状态，方便定位是模型选错工具还是工具本身不稳。
准备建议
- 八股要能落到项目上。MySQL 索引、Redis 缓存三兄弟这类题，别只背结论，准备一个自己项目里的真实场景去对应，比如"我们热点数据用 Redis 缓存，key 过期时间加了随机抖动防雪崩"，面试官更认可有上下文的回答。
- 把 RAG / Agent 项目拆成可量化的指标。提前想清楚 chunk size、top-k、rerank 模型、评估集规模、准确率提升幅度这些数字，被追问时能直接报出来，比"效果还不错"强十倍。
- 手撕题按高频清单刷。LRU、LFU、Top-K、合并区间、二叉树层序这类在大模型岗一面出现频率很高，用目标语言（Go 或 Java）手写一遍，注意边界和并发追问，写完主动说时间空间复杂度。
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。
