【虾皮】【Agent 开发】【暑期实习二面】面经（八股+大模型项目+手撕）

背景

海外一年制硕士，投递虾皮 Agent 开发暑期实习，二面约 60 分钟，面试官是 Agent 平台组的工程师，全程围绕项目 + 八股 + 一道手撕展开，节奏偏快，追问密度高。

题目摘要

1. Go 语言基础：slice 与 array 的区别，slice 扩容机制，map 是否并发安全，如何实现一个并发安全的 map；defer 的执行顺序与闭包陷阱。
2. MySQL / Redis 八股：MySQL 索引为什么用 B+ 树而不是 B 树或跳表；联合索引最左前缀原则；explain 中 type 字段的常见取值与含义。Redis 缓存穿透、击穿、雪崩的区别与各自解法；Redis 分布式锁的实现要点与续期问题。
3. Agent 项目深挖：RAG 链路中检索召回率低怎么排查；Function Calling 的 schema 设计原则；多轮对话上下文怎么管理、超长时怎么压缩；推理成本优化有哪些手段。
4. 手撕算法：给定一个字符串数组，要求把互为字母异位词（anagram）的字符串分组返回。关键思路：对每个字符串做排序后作为哈希 key，或统计 26 个字母频次拼成 key，时间复杂度 O(n·k log k) 或 O(n·k)，空间 O(n·k)。
5. 场景设计：如果让你设计一个客服 Agent，如何控制幻觉、如何做兜底回复、如何评估效果。
6. 反问环节：团队目前 Agent 落地的业务场景、实习生会参与哪部分。

项目深挖

追问一：你说 RAG 提升了回答准确率，具体怎么量化的？召回率低的时候你怎么定位是 embedding 问题还是切分问题？

参考回答方向：先讲评估口径，比如构造一批「问题-标准答案-标准文档」的测试集，分别看 recall@k 和最终答案的命中率。定位时分两步：第一步固定切分策略，换不同 embedding 模型或加 query 改写，看 recall 变化；第二步固定 embedding，调整 chunk size 和 overlap，看召回文档是否包含标准文档。如果标准文档根本没被召回，大概率是切分粒度或 embedding 语义匹配问题；如果召回了但答案不对，问题在 rerank 或生成阶段。可以补一句：实际排查中我加了 rerank 模型后 recall@5 从 0.6 提到 0.82，但延迟涨了约 200ms，所以做了 top-k 截断和缓存。

追问二：Function Calling 你怎么设计工具 schema？工具多了模型选错怎么办？

参考回答方向：schema 的 description 要写清楚「什么时候用、什么时候不用」，参数名用业务语义而不是缩写，枚举值尽量收敛。工具数量超过 10 个以后模型选择准确率会下降，我的做法是分层：先让模型选工具类别，再在类别内选具体工具；或者用一个小模型做意图路由，把候选工具缩到 3-5 个再交给主模型。另外给每个工具加 few-shot 示例，尤其是容易混淆的工具对。

追问三：多轮对话上下文越来越长，你怎么控制 token 成本和效果？

参考回答方向：分三层。第一层是滑动窗口 + 摘要，把早期对话压缩成摘要，保留最近 N 轮原文；第二层是结构化记忆，把用户的关键信息（订单号、偏好、已确认事项）抽成 JSON 存下来，不依赖原始对话；第三层是按需检索，把历史对话做 embedding 存起来，当前轮需要时再召回相关片段。成本上还可以做 prompt 缓存（相同前缀复用）、小模型做摘要、对简单意图直接走规则不调大模型。

准备建议

1. 八股不要只背结论，要能讲清「为什么」：比如 B+ 树要能说出叶子节点链表、非叶子节点不存数据所以扇出高、磁盘 IO 次数少；Redis 分布式锁要能讲 setnx + 过期时间 + 唯一 value + Lua 释放，以及 Redlock 的争议。面试官会顺着你的回答继续问一层。
2. 项目准备两套数字：一套是效果数字（准确率、召回率、延迟、成本），一套是排查数字（改了什么、涨跌多少、为什么）。没有数字的项目在二面很容易被问穿，哪怕是自己做的小 demo，也要跑一组对比实验。
3. 手撕算法按「说思路 → 写代码 → 手动跑样例 → 分析复杂度」四步走：面试官更看重沟通和边界处理，写完主动说「如果输入为空返回空列表，如果字符串含 Unicode 字符排序会有问题，可以用计数法」。Go 写题注意 map 的 value 用 []string 时 append 的坑。

结果

一面通过后约 5 天收到二面邀约，二面结束当天晚上收到感谢信，流程止步于此。

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。