【商汤】【大模型开发】【暑期实习HR面】面经（八股+大模型项目+手撕）

海外一年制硕士，投递商汤大模型开发暑期实习，HR 面之前先经历了一轮技术面，整体节奏紧凑，面试官对项目细节和基础功底都问得比较实。以下是我的面经整理。

题目摘要

• Go 语言基础：defer 的执行顺序与底层实现、slice 扩容机制、map 并发安全问题及 sync.Map 适用场景
• MySQL 八股：聚簇索引与非聚簇索引的区别、EXPLAIN 中 type 字段的常见取值及优化含义、事务隔离级别与 MVCC 的关系
• Redis 八股：缓存穿透/击穿/雪崩的区分与应对、RDB 与 AOF 的取舍、Redis 分布式锁的实现与续期问题
• 大模型/Agent 项目深挖：RAG 检索链路中召回率与精排的权衡、Function Calling 的 schema 设计与异常兜底、多轮对话上下文管理策略、推理成本优化的具体手段
• 手撕算法题：LRU 缓存。题意：设计一个满足 LRU 淘汰策略的缓存结构，支持 get 和 put 操作，要求两者时间复杂度均为 O(1)。关键思路：哈希表 + 双向链表，哈希表负责 O(1) 定位节点，双向链表维护访问顺序，get 时将节点移到头部，put 时若容量超限则淘汰尾部节点。

项目深挖

追问一：你的 RAG 项目里，召回阶段用了什么策略？如果召回结果相关性差，你怎么定位和优化？

参考回答方向：先说明召回方案，比如向量检索用的是哪种 embedding 模型、是否做了混合检索（BM25 + 向量）、chunk 切分粒度是多少。优化定位要分两层：一是离线评估，构造标注集算 Recall@K 和 MRR，看是 embedding 语义匹配不行还是 chunk 切分把关键信息切断了；二是线上分析 badcase，看是 query 本身歧义、知识库覆盖不足，还是 top-K 截断太早。优化手段可以提：调整 chunk size 与 overlap、引入 rerank 模型做精排、对 query 做改写或扩展、对高频问题做缓存。重点是要体现出你有评估意识和迭代闭环，而不是只堆技术名词。

追问二：Function Calling 在实际调用中，模型返回的参数格式不对或者调用了不存在的函数，你怎么处理？

参考回答方向：先说 schema 设计层面的预防，比如参数用 JSON Schema 严格约束类型和枚举值，函数描述写清楚使用场景，减少模型误判。再说运行时兜底：解析失败时先做一次重试，重试时把错误信息拼回 prompt 让模型自我修正；如果连续失败则降级到规则匹配或直接返回兜底话术。还可以提一层校验，在真正执行函数前对参数做合法性检查，避免脏参数打到下游服务。如果项目里做过 function 路由或权限控制，也可以带一句。

追问三：多轮对话的上下文你是怎么管理的？token 超限时怎么截断？

参考回答方向：先说上下文组织方式，比如 system prompt + 历史对话 + 当前 query 的拼接结构。超限处理不要只说“截断”，要分策略：优先保留 system prompt 和最近 N 轮对话，对较早的历史做摘要压缩，或者用滑动窗口加关键信息抽取。如果项目里做了长期记忆，可以提向量化存储历史对话、按相关性召回。还要提一句成本考量，比如对简单问题走短上下文、复杂问题才拼长上下文，避免无脑堆 token。

准备建议

1. 八股不要只背结论，要能讲清楚“为什么”。比如 MySQL 索引，面试官不会只问“聚簇索引是什么”，而是会追问“为什么 InnoDB 用 B+ 树而不是 B 树”“回表什么时候发生、怎么避免”。准备时每个知识点至少往下追两层，用“是什么—为什么—怎么用—有什么坑”的结构过一遍。

1. 项目要准备一版“被追问版”的讲述。不要只讲架构和流程，要提前想好每个技术选型的替代方案和取舍理由。比如为什么用这个 embedding 模型、为什么 chunk 切这么大、推理成本具体降了多少、怎么衡量的。面试官深挖时最看重的是你的决策逻辑和量化意识。

1. 手撕算法保持手感，重点练高频题型。LRU、LFU、TopK、滑动窗口、二叉树遍历、动态规划这几类出现频率最高。建议用 Go 或 Java 手写，不要依赖 IDE 补全，练习时计时 20 分钟内完成并自己跑通边界用例。写完后主动说一句时间复杂度和空间复杂度，面试官会加分。

结果反馈

一面通过，3 天后约了下一轮交叉面。

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。