面试面经 · 虾皮
【虾皮】【大模型开发】【暑期实习一面】面经（八股+大模型项目+手撕）
虾皮大模型开发暑期实习一面面经
背景：海外一年制硕士，投递方向为大模型应用开发，简历上有一个RAG项目和一个Agent工具调用项目。
题目摘要
- 编程语言基础（Java）：HashMap底层实现、ConcurrentHashMap分段锁演进、volatile语义与可见性保证
- MySQL/Redis八股：MySQL索引失效场景；Redis持久化机制对比（RDB vs AOF），缓存穿透与布隆过滤器原理
- 大模型项目深挖（RAG）：文档切分策略、Embedding模型选型、检索召回率优化、上下文窗口管理与截断策略
- 大模型项目深挖（Agent）：Function Calling的触发机制与参数Schema设计、多轮对话状态管理、推理成本优化方案
- 手撕算法：合并K个有序链表（LeetCode 23），要求分析时间复杂度并给出至少两种解法
面试流程
自我介绍与项目概览（5分钟）
简单介绍了两段项目：一个是面向企业知识库的RAG问答系统，另一个是基于Function Calling的智能客服Agent。面试官对Agent项目的工具调用机制和成本控制表现出明显兴趣。
编程语言基础（10分钟）
追问1：HashMap在JDK 8中put操作的完整流程？
参考回答方向：先讲hash(key)扰动函数（高16位异或低16位）降低碰撞概率，然后讲数组+链表+红黑树结构，链表长度≥8且数组长度≥64时转红黑树，最后讲扩容机制（2倍扩容，元素重新分配时利用高低位拆分）。
追问2：ConcurrentHashMap为什么JDK 8放弃分段锁？
参考回答方向：分段锁（Segment继承ReentrantLock）锁粒度是Segment（默认16个），JDK 8改为CAS + synchronized锁头节点，锁粒度细化到单个桶，并发度更高；且synchronized经过优化（偏向锁、轻量级锁）后性能不输ReentrantLock，代码更简洁。
MySQL/Redis 八股（10分钟）
追问1：什么情况下索引会失效？
参考回答方向：左模糊查询（%xx）、对索引列使用函数或计算、隐式类型转换（如字符串列不加引号）、OR连接非索引列、范围查询右侧列失效（联合索引最左前缀原则）、MySQL优化器判断全表扫描更快时（如数据量小或区分度低）。
追问2：Redis缓存穿透如何解决？
参考回答方向：缓存穿透是查询不存在的数据导致请求打到数据库。解决方案：①布隆过滤器前置拦截，将存在的key放入布隆过滤器，不存在直接拒绝；②缓存空值并设置短TTL（如60秒）；③接口层参数校验。面试官追问布隆过滤器误判率，回答：误判率与哈希函数个数和位数组长度相关，可通过公式计算最优参数。
项目深挖：RAG问答系统（15分钟）
追问1：你的文档切分策略是什么？为什么不用固定长度切分？
参考回答方向：固定长度切分（如512字符）会切断语义完整的段落，导致检索召回不准确。我采用递归字符切分器，优先按段落分隔符（\n\n）切分，再按句子边界（。！？）二次切分，chunk_size设为300-500字符，overlap设为50-100字符。同时针对代码文档单独处理，按函数/类定义切分。
追问2：检索召回率低时，你怎么优化？
参考回答方向：分三层：①Embedding层面，从bge-small换到bge-large，并针对领域数据微调Embedding模型；②检索策略层面，加入BM25关键词检索与向量检索的混合召回（RRF融合排序），将Top-5提升到Top-20再重排；③重排层面，引入cross-encoder精排模型，取Top-3送入LLM。实际效果：Recall@5从68%提升到82%。
追问3：用户问题超出上下文窗口怎么办？
参考回答方向：分策略处理。先做问题改写（query rewriting）压缩冗余表述；再限制召回文档数量（Top-3），并做相关性过滤（设定相似度阈值0.7）；如果仍然超长，采用滑动窗口摘要——将多篇文档分批摘要，再拼接摘要送入LLM。成本上，控制单次请求token数在4K以内。
项目深挖：Agent工具调用（15分钟）
追问1：Function Calling的触发机制是什么？你怎么设计工具Schema？
参考回答方向：底层是LLM根据用户query和候选工具描述，输出结构化JSON（包含工具名和参数）。关键在于工具描述要写清楚功能边界、参数含义、返回值格式。我设计了工具描述模板：name + description（含使用场景示例）+ parameters（JSON Schema定义类型、必填项、枚举值）。另外设置工具数量上限（不超过5个），避免模型选择困难。
追问2：多轮对话中，工具返回结果如何管理？
参考回答方向：维护一个对话状态机，记录每轮的工具调用历史。工具返回结果存入独立的message role（tool），不污染用户对话历史。对长工具结果做截断（保留前500字符）并生成摘要，避免token浪费。会话结束时清理临时状态。
追问3：推理成本怎么优化？
参考回答方向：三个手段：①模型分级——简单意图识别用轻量模型（如GPT-4o-mini），复杂推理才调用旗舰模型；②缓存——对高频query（如"查看订单状态"）做语义缓存，命中后直接返回历史答案；③减少多余调用——工具返回结果后先做规则判断，满足条件就不需要再调LLM生成回复，直接拼接模板返回。整体成本下降约40%。
手撕算法（20分钟）
题意：给定k个升序链表，合并为一个升序链表并返回。
关键思路：
解法一（优先级队列）：维护一个大小为k的最小堆，每次弹出堆顶节点（即当前k个链表头中最小值），将其next节点入堆。时间复杂度O(N log k)，N为总节点数，空间O(k)。
解法二（分治合并）：两两合并链表，每轮合并后链表数量减半。时间复杂度O(N log k)，空间O(1)（递归栈除外）。推荐写解法一，代码简洁且面试官容易验证。
踩坑点：注意链表数组可能包含null元素；优先队列需要自定义比较器（Java中Comparator.comparingInt(a -> a.val)）；最后返回dummy.next。
准备建议
- 项目准备要聚焦"为什么" ：面试官追问的深度远超简历内容，建议对每个项目准备5个"为什么"——为什么选这个方案、有没有对比过其他方案、性能瓶颈在哪、怎么量化改进效果、如果再给你一周时间你会做什么。尤其是RAG项目，检索召回率、切分策略、Embedding选型是必问三连。
- 八股要背"机制+演进" ：虾皮偏重基础原理和版本演进（如HashMap JDK 7 vs 8，ConcurrentHashMap分段锁 vs CAS），建议按"是什么→为什么改→有什么代价"三层结构复习。Redis重点看持久化、缓存三大问题（穿透/击穿/雪崩）、分布式锁。
- 手撕算法建议刷LeetCode Hot 100中的链表题：合并K个有序链表、反转链表、环形链表是高频题。练习时要求自己写出完整可运行的代码（含边界条件），并准备至少两种解法和复杂度分析。面试时先讲思路再动手写，写完主动跑测试用例验证。
结果反馈
一面通过，约3天后安排了二面（侧重系统设计和代码审查）。整体体验不错，面试官会引导思考而非单纯考察背题，建议重点打磨项目细节和算法基本功。
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。
