NiceOffer

面试面经 · 商汤

【商汤】【Agent 开发】【暑期实习一面】面经（八股+大模型项目+手撕）

发布于 2026-09-04

商汤面经Agent 开发实习

背景

海外一年制硕士，计算机方向，主攻 LLM 应用开发，有一段基于开源模型搭建企业知识库助手的实习经历。投递商汤 Agent 开发暑期实习，简历筛选后约一周收到一面邀请，面试时长约 55 分钟。

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
  • MySQL 与 Redis：事务隔离级别、MVCC 实现、缓存穿透/击穿/雪崩的应对，Redis 持久化机制对比
  • 大模型/Agent 项目深挖：RAG 检索优化策略、Function Calling 的触发与容错、上下文窗口管理、推理成本优化方案
  • 手撕算法：Top K 高频元素（LeetCode 347），要求分析时间/空间复杂度并给出优化思路

项目深挖

面试官全程围绕简历上的知识库 Agent 项目提问，没有问任何通用八股，每个问题都追到具体实现细节。

追问一：RAG 检索质量差时，你做了哪些优化？

参考回答方向：

  • 先定位问题类型：是召回不全还是排序不准，通过抽检 query 的 top-10 结果做错误分析
  • 召回层优化：混合检索（BM25 + 向量检索），利用 RRF 或加权融合；针对专有名词做分词预处理
  • 排序层优化：引入 cross-encoder 做粗排后的精排重排，虽然延迟增加约 80ms，但 top-3 准确率提升约 12%
  • 索引层优化：chunk 大小从固定 500 字调整为按语义段落切割，重叠区间设 50 字，减少上下文断裂

面试官追问了 RRF 的权重如何确定，我回答先用网格搜索找初始值，再根据业务数据人工调优，没有用复杂的学习排序模型，因为冷启动成本太高。

追问二：Function Calling 经常不触发或参数格式错误，你怎么处理的？

参考回答方向：

  • 结构化 prompt 约束：在 system message 中给出 2-3 个 few-shot 示例，比单纯描述函数签名效果好很多
  • 参数校验兜底：模型输出的 function call 先过 JSON schema 校验，失败则进入修复流程（将错误信息回传模型让其重新生成）
  • 降级策略：连续两次调用失败后，放弃 function call 流程，改用纯文本回复并提示用户手动操作
  • 日志监控：记录所有失败的 function call 原始输出，定期分析失败模式，针对性补充 prompt 示例

追问三：上下文长度有限，如何管理多轮对话中的历史信息？

参考回答方向：

  • 分层记忆：短期记忆（最近 5 轮完整对话）+ 长期记忆（关键实体、用户偏好等结构化摘要）
  • 摘要压缩：当对话超过阈值时，调用轻量模型对早期对话做增量摘要，保留用户明确表达的需求和已确认的事实
  • Token 预算分配：按比例分配（system 10%、历史记忆 30%、检索内容 40%、当前输入 20%），超出部分优先裁剪最旧的检索内容
  • 成本考量：摘要压缩调用小参数模型，每轮成本约为大模型的 1/10，但能有效减少因截断导致的重复提问

手撕算法：Top K 高频元素

题意：给定一个整数数组 nums 和一个整数 k，返回出现频率前 k 高的元素。要求时间复杂度优于 O(n log n)。

关键思路：

  1. 先用哈希表统计每个元素的出现频率，时间复杂度 O(n)
  2. 解法一：维护一个大小为 k 的最小堆，遍历频率表，堆满后若新元素频率大于堆顶则替换。时间复杂度 O(n log k)，空间复杂度 O(n)
  3. 解法二（面试官引导后给出）：基于快速选择的 partition 操作，平均时间复杂度 O(n)，最坏 O(n^2)，可通过随机化 pivot 优化

我选择了最小堆方案，写完后面试官问能否优化，我补充了快速选择思路并对比了两种方案的适用场景（数据量级、是否需要稳定排序、最坏情况容忍度）。没有要求运行代码，但口头完整走了一遍测试用例。

准备建议

  1. 项目细节必须能闭环：面试官会逐层追问直到你答不上来为止。建议用文档梳理项目的每个技术选型，写清楚“为什么不用方案 B 而用方案 A”，以及方案的已知缺陷和改进方向。不要只准备“我做了什么”，要准备“我踩了什么坑、怎么发现的、怎么解决的”。
  1. 八股要结合场景理解：MySQL 的 MVCC、Redis 的持久化这些基础题，不能只背结论。面试官可能会换个场景问，比如“如果 Redis 突然重启，你会怎么保证缓存数据不丢”，需要把 RDB 和 AOF 的机制差异、各自适用场景讲清楚。
  1. 手撕算法练熟 Top K 和滑动窗口类题目：Agent 开发岗位的算法题偏重哈希表、堆、双指针等高频考点，难度在 LeetCode Medium 为主。建议把“Top K”系列（347、692、373）和“滑动窗口”系列（3、76、239）限时刷完，同时准备每个题目的时空复杂度分析和至少一种优化方案。

结果反馈

一面通过，约 4 天后收到二面通知，后续面试侧重系统设计和多 Agent 协作场景。

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。

相关阅读