【深信服】【大模型开发】【暑期实习三面】面经（八股+大模型项目+手撕）

海外一年制硕士，投递深信服大模型开发暑期实习，三轮技术面中的最后一轮，面试官是团队里的资深工程师，全程约 55 分钟，节奏偏快，八股和项目交替追问。

题目摘要

1. 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生效、append 之后原切片为什么可能看不到变化；再追问 map 并发读写为什么会 panic，sync.Map 适合什么场景。
2. MySQL 八股：聚簇索引和非聚簇索引的区别，回表是怎么发生的，什么情况下会走覆盖索引；explain 里 type 字段从 ALL 到 ref 到 const 大概代表什么；再问一个慢查询你会怎么排查。
3. Redis 八股：缓存穿透、击穿、雪崩三者的区别和各自应对手段；布隆过滤器为什么会有误判；如果让你在 RAG 场景里用 Redis 做检索结果缓存，key 怎么设计、过期时间怎么定。
4. RAG 项目深挖：你做的检索增强问答，文档切分策略是什么，chunk size 怎么定的，召回效果差的时候你从哪几个环节定位问题；有没有做过 rerank，用的什么模型，延迟增加多少。
5. Function Calling / Agent：工具调用的 schema 怎么设计，模型选错工具或者参数填错怎么兜底，多轮对话里上下文怎么裁剪，超长上下文和成本之间怎么权衡。
6. 手撕算法：给定一个字符串数组，找出所有由相同字母异位词组成的词组，返回分组结果。关键思路是用排序后的字符串或字符计数数组作为哈希 key，把原词归到同一个桶里，时间复杂度 O(n·k)，k 是单词长度；面试官要求先讲思路再写，写完追问如果单词很长、排序开销大怎么优化（换计数编码）。

项目深挖

追问一：你的 RAG 系统召回率大概多少，怎么评估的？

参考回答方向：不要只报一个拍脑袋的数字。说明你构造了多少条评测集，是人工标注还是用模型生成 query-answer 对，指标用的是 recall@k 还是 hit rate。然后讲清楚基线是多少、加了什么手段（比如 query 改写、混合检索、rerank）之后提升到多少。如果没做过系统评估，就诚实说当时是靠人工抽查，并讲你现在会怎么补这套评估。面试官真正想确认的是你有没有“量化意识”，而不是数字本身。

追问二：文档切分你按固定长度切，那跨 chunk 的语义被切断了怎么办？

参考回答方向：先承认固定长度切分的缺陷，再讲你实际用过的缓解手段，比如重叠窗口（overlap）、按标题/段落等语义边界切、或者小块检索大块喂给模型（small-to-big）。可以补一句：如果表格和正文混排，会先做结构化解析再切，避免把一张表拆散。重点是展示你踩过坑并且有对应方案，而不是背概念。

追问三：Function Calling 里模型返回的参数格式不对，你怎么处理？

参考回答方向：分两层。第一层是 schema 设计上尽量收敛，参数用 enum 限制取值范围，必填项明确，减少模型自由发挥空间；第二层是运行时校验，解析失败就走重试（把报错信息回灌给模型让它修正）或者降级到规则兜底。再补充：工具数量多的时候要给模型做工具筛选，否则 schema 太长既占 token 又容易选错。这一问能答好，基本能体现你真正上手过 Agent，而不是只看过文档。

准备建议

1. 八股不要只背结论，准备“为什么”和“怎么排查”。比如 MySQL 那题，光说聚簇索引叶子节点存数据不够，要能接着讲回表的代价、覆盖索引怎么避免、explain 里哪些字段能佐证你的判断。面试官几乎一定会顺着你的回答往下追一层，提前把每个知识点的“下一问”想好。

1. 把项目里的每个技术选型都准备一个“为什么不选另一个”。切分策略为什么用这个 chunk size，向量库为什么选它而不是 FAISS，rerank 为什么用这个模型。答不上来会被认为只是照着教程跑通，而不是自己做的决策。建议把项目里所有“我选了 X”的地方列成表，逐个补上对比理由。

1. 手撕算法按“讲思路—写代码—说复杂度—答优化”四步练。深信服这场是共享屏幕写代码，边写边讲很重要，别闷头敲。异位词分组这类题不难，但要练到能顺手说出哈希 key 的两种构造方式和各自取舍。每天保持 1-2 道中等题的手感，重点练字符串和哈希类。

整体感受：三面比前两面更看重项目的真实深度和工程判断，八股是敲门砖，项目深挖才是分水岭。面试结束当天收到口头反馈，三天后 HR 通知三面通过，进入 offer 流程。

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。