面试面经 · 微众银行
【微众银行】【大模型开发】【暑期实习一面】面经（八股+大模型项目+手撕）
微众银行 大模型开发 暑期实习一面面经
背景：海外一年制硕士，计算机相关，一段中小厂后端实习，两个大模型相关课程项目。
题目摘要
- Go 语言基础：goroutine 与 channel 的底层原理，GMP 调度模型简述；
defer的执行时机与常见坑；sync.Map适用场景。 - MySQL 八股：InnoDB 索引结构（B+ 树）为什么快；最左前缀原则；事务隔离级别与 MVCC 实现。
- Redis 八股：缓存穿透/击穿/雪崩的区别与解决方案；Redis 分布式锁的坑（Redlock、续期）；持久化 RDB/AOF 对比。
- 大模型项目深挖：RAG 系统如何做召回与重排；Function Calling 的触发机制与工具调用失败处理；上下文窗口管理策略；推理成本优化手段。
- 手撕算法题：「合并 K 个有序链表」（力扣 23），要求写代码并分析时间复杂度。
项目深挖
面试官对项目细节追问很密，基本是顺着一条逻辑线往下挖，建议提前把项目每个模块的“为什么这么做”想清楚。
追问 1：你的 RAG 系统，召回阶段为什么选向量检索 + 关键词混合？只用向量检索不行吗？
参考方向：向量检索擅长语义相似但词面不匹配，关键词（如 BM25）擅长精确匹配（人名、编号、专业术语）。单独向量检索在低频专有名词上召回差，混合召回能互补。面试官可能进一步问“怎么融合”，可以答 RRF（Reciprocal Rank Fusion）或加权分数融合，并提一句当时对比过纯向量召回，Hit Rate 提升了 X 个百分点。
追问 2：Function Calling 如果模型调用了不存在的工具，或者参数格式错误，你怎么处理？
参考方向：先说设计时做了两层校验——第一层是模型输出后先做 JSON Schema 校验，失败则返回“重试”指令并附上错误信息让模型重新生成；第二层是运行时兜底，工具不存在时返回一个固定错误提示，并让对话流程继续而非崩溃。再补充一点，实际测试中 GPT-4 这类模型在定义清晰时很少出错，但开源小模型（如 Qwen-7B）出错率高，所以加了一层规则修正。
追问 3：上下文管理你怎么做的？如果对话超过窗口长度，直接截断吗？
参考方向：直接截断会把早期关键信息丢掉，我当时的方案是三层：1）系统提示词 + 工具定义常驻；2）最近 N 轮对话保留完整；3）更早的对话做摘要压缩（调用 LLM 生成摘要）。另外，对超长工具返回结果（比如数据库查询）做了截断和字段筛选。面试官可能追问“摘要压缩本身也消耗 token，怎么平衡”，可以答设置阈值，比如超过 20 轮才触发压缩，且摘要只保留一次。
手撕算法题：合并 K 个有序链表
题意：给定 K 个升序链表，合并成一个升序链表，返回头节点。
关键思路：
- 优先队列（最小堆）：维护 K 个链表的当前头节点，每次弹出最小值，将其 next 入堆。时间复杂度 O(N log K)，N 为总节点数，空间 O(K)。
- 面试官可能追问“不用堆怎么做”——答分治合并（两两合并，类似归并），复杂度 O(N log K)，但实现略复杂。
我写的堆解法，面试官看了一遍，没让优化，直接过了。
准备建议
- 项目准备按“决策-对比-数据”结构：每个技术选型（向量库、embedding 模型、RAG 框架）都要能说出对比过哪些方案、为什么选这个、效果差多少。空说“效果好”没用，要有量化指标，比如召回率提升、响应延迟下降。
- Go 和 Java 二选一，但语法基础必须扎实：面试官明确说“看你简历写了 Go，我们后端也主要用 Go”，然后直接问 goroutine 调度。建议把《Go 语言设计与实现》的调度器章节读一遍，至少能画出 GMP 模型图，说出 P 的数量默认等于 CPU 核数、work stealing 机制。
- 大模型八股要覆盖“工程落地”层面：纯问 Transformer 结构（自注意力、位置编码）概率低，但 RAG、Agent、Function Calling、成本优化一定是重点。建议自己跑一个最小 Agent 项目（比如用 LangChain 或直接调 API 实现一个带工具调用的问答机器人），把踩过的坑（工具调用死循环、token 超限、延迟高）记录下来，面试时主动讲出来，比被动挨问效果好得多。
结果反馈
一面通过，约 5 天后二面，二面侧重系统设计和团队协作。
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。
