【小红书】【大模型开发】【暑期实习三面】面经（八股+大模型项目+手撕）

小红书 大模型开发 暑期实习三面面经

背景：海外一年制硕士，一段中小厂 NLP 算法实习，一个 RAG 个人项目。三面是交叉面，面试官来自推荐架构组，整体风格偏工程和底层，问得细，不太关心你背了什么，更在意项目里每一步的取舍和代价。

题目摘要

1. Go 语言基础：channel 的底层数据结构，无缓冲和有缓冲 channel 在 send/receive 上的阻塞时机，如何用 channel 实现并发安全的计数器。
2. MySQL 索引：联合索引 (a, b, c) 下，WHERE b = 1 AND a = 2 能否走索引？WHERE a > 100 AND b = 5 呢？分别解释原因。
3. Redis 缓存一致性：Cache Aside 模式下，先更新 DB 再删缓存和先删缓存再更新 DB 各有什么问题？最终选了哪种，为什么？
4. Agent 项目深挖：RAG 检索结果重排的策略细节，Function Calling 的触发准确率和延迟优化，上下文窗口超限的截断策略。
5. 手撕算法：合并区间（LeetCode 56 变体）。给定若干 [start, end) 左闭右开区间，合并所有重叠区间，返回合并后的区间列表。关键思路：按 start 排序，遍历时维护当前合并区间的 curEnd，若新区间 start <= curEnd 则更新 curEnd = max(curEnd, end)，否则输出当前区间并重置。注意左闭右开时 start == curEnd 不算重叠。

项目深挖

面试官全程围绕我简历上的「智能客服 Agent」项目展开，追问密度很高，这里列三个最典型的。

追问 1：你的检索结果重排用的还是 bge-reranker 的默认阈值 0.5，这个阈值是怎么定的？线上如果调高到 0.7，对最终答案的准确率和召回率会有什么影响？

参考方向：阈值提高，重排后保留的片段更少、更精准，生成阶段幻觉概率下降，但可能过滤掉相关但表达不充分的片段，导致答案信息缺失，表现为召回率下降。实际调优建议画 PR 曲线，选 F1 最高点。更优做法是不要用单一阈值，而是结合 query 与片段最高分之间的相对差做动态判断，例如最高分 0.9、次高分 0.2，只取最高分即可；若最高分 0.6、次高分 0.55，说明信息分散，应多保留几个片段。

追问 2：Function Calling 触发准确率不够高，你当时说加了 prompt 约束和示例，但有没有想过从模型侧解决？

参考方向：面试官其实在提示你，prompt 工程是兜底手段，不是根本解法。可以回答：考虑用更小的专用分类模型（如 BERT-base 微调）先做意图判断，只有意图命中工具调用时才走 LLM 的 function calling 分支，这样能把误触发率降低 30% 以上，同时减少无效的 LLM 调用，降低推理成本。如果场景固定，甚至可以用规则 + 小模型做硬路由，LLM 只负责参数抽取。

追问 3：你的上下文管理是「超限就丢弃最旧的 message」，这样会不会导致对话连贯性崩掉？

参考方向：直接丢弃最旧消息确实粗暴，但工程上可以接受，因为早期消息对当前意图影响通常较小。更优策略是分层：系统指令和工具定义永远保留，最近 N 轮完整保留，更早的对话做摘要压缩（用 LLM 把历史信息提炼成 3-5 行摘要），摘要本身参与后续每次生成。代价是每次摘要需要额外一次 LLM 调用，约增加 10-15% token 成本，但能显著提升长会话体验。

准备建议

1. 把项目里的每个数字都问一遍「为什么是这个值」

面试官不会问你「你的 RAG 流程是什么」，而是会问「top_k 为什么是 5 不是 10」「chunk_size 为什么是 512」「相似度阈值为什么是 0.5」。提前把所有超参的调优过程和数据跑一遍，哪怕只是小样本对比实验，也要能说出调参方向。没有数据的项目在面试里站不住脚。

2. Go 和 Java 选一个，把并发模型和内存模型吃透

大模型开发岗位的工程面大概率会考语言基础，且偏向并发和性能。如果简历写了 Go，至少把 channel、goroutine、GMP 模型、sync.Pool 这些背熟，并准备一个实际用过的并发场景（比如并发拉取多个向量库的检索结果再 merge）。不要只背概念，要能画出来 channel 的 ring buffer 结构。

3. 手撕算法不要只刷 LeetCode 原题，要做变体

三面考的是左闭右开区间合并，和 LeetCode 56 的区别在于边界条件不同。面试官看的是你能不能快速识别出「边界条件变了，但排序 + 贪心的大框架不变」。建议把常见题目的变体都过一遍：合并区间、插入区间、区间交集，以及把闭区间改成开区间的场景。手撕时先说思路再写代码，写完主动跑一个边界测试用例。

结果反馈

三面结束后 3 天收到 HR 通知通过，约了隔周的 HR 面，整体流程推进速度比预期快。

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。