【小米】【Agent 开发】【暑期实习一面】面经（八股+大模型项目+手撕）

海外一年制 CS 硕士，投的是小米 Agent 开发暑期实习，简历上有一段 RAG + Function Calling 的课程项目，一面约 60 分钟，全程视频面试，面试官是 Agent 方向的一线开发。

题目摘要

• Go 语言基础：slice 的扩容机制、map 并发安全、defer 执行顺序与返回值的关系，追问了一道 defer 修改命名返回值的输出题。
• MySQL / Redis 八股：聚簇索引与回表、explain 里 type 各级别含义、Redis 缓存穿透/击穿的解法差异、Redis 分布式锁为什么要用 SET NX PX 而不是 SETNX + EXPIRE。
• Agent 项目深挖：RAG 检索链路的分块策略、向量召回与关键词召回怎么融合、Function Calling 的工具描述怎么写才不容易误调用、多轮对话上下文超长怎么截断。
• 推理成本优化：怎么降低单次对话的 token 消耗，prompt 缓存、模型分级路由、结果缓存分别在什么场景下有效。
• 手撕算法：LRU 缓存。题意是设计一个容量为 capacity 的缓存结构，支持 get(key) 和 put(key, value)，两者都要求 O(1)，超容量时淘汰最久未使用的键。关键思路是哈希表 + 双向链表：哈希表存 key 到链表节点的映射，双向链表维护访问顺序，get 命中后把节点移到头部，put 时若已存在则更新并移到头部，若超容量则删掉尾部节点并同步删哈希表。面试官要求手写双向链表节点结构和 moveToHead / removeNode 两个辅助函数，不允许用 container/list 或 LinkedHashMap 直接糊过去。

项目深挖

追问一：你的 RAG 分块是怎么做的，为什么这么分？

参考回答方向：不要只说"按 512 token 切"。要讲清楚分块粒度是跟检索粒度和生成粒度对齐的——块太大召回噪声多、塞进上下文浪费 token，块太小语义不完整、召回了也答不好。可以补充实际做法：先按标题/段落做语义分块，再做固定长度兜底切分，块之间留 10%~15% 重叠避免边界信息丢失。如果面试官继续问"怎么评估分块好不好"，答用一组标注好的问答对跑召回率（Recall@k）和最终答案正确率，而不是凭感觉。

追问二：向量召回和关键词召回怎么融合？

参考回答方向：常见是混合检索 + RRF（Reciprocal Rank Fusion）或加权分数融合。要说出各自的短板：向量召回对同义改写友好但对专有名词、型号、代码标识符不敏感，关键词召回（BM25）正好相反。融合时如果两路分数不可比，用排名融合比直接加权更稳。可以主动提一句"线上如果 query 类型可判别，也可以做路由，不是所有 query 都值得走双路召回"。

追问三：Function Calling 里工具描述怎么写，模型老是误调用怎么办？

参考回答方向：工具描述要写清楚三件事——这个工具做什么、什么时候该用、参数约束是什么。误调用通常来自描述边界模糊，比如两个工具功能重叠，模型只能猜。解法是把工具粒度拆清楚，在 description 里显式写"仅当用户明确要求 X 时调用"，并给出反例。另外可以在 system prompt 里加一层路由约束，或者用 function calling 的 tool_choice 强制/禁止某些调用。如果面试官追问"模型不调用该调的工具怎么办"，答检查描述是否缺少触发词、是否被 system prompt 里的其他指令压制、以及是否该把工具结果回灌进下一轮。

追问四（延伸）：上下文越来越长，你怎么控制？

参考回答方向：分层处理。system prompt 和工具定义是固定开销，尽量精简；历史对话做滑动窗口 + 摘要，早期对话压缩成一段 summary；RAG 召回结果按相关性截断，不要无脑 top-k 全塞。再往上就是 prompt 缓存（相同前缀复用 KV cache）和模型分级——简单意图用小模型，复杂推理才上大模型。

准备建议

1. 八股按"能追问两层"的标准准备。比如 Redis 分布式锁，不能只背 SET NX PX，要能答出锁过期但业务没执行完怎么办（看门狗续期或 fencing token）、Redlock 争议在哪。MySQL 索引要能画出一棵 B+ 树并解释为什么范围查询后回表代价高。每个知识点准备一个"再往下问一层"的答案。

1. 把项目里的每个技术选型都准备一个"为什么不用另一个"。面试官高频问法是"你为什么用 A 不用 B"。RAG 项目至少准备：为什么用这个向量库、为什么这个 embedding 模型、分块参数怎么定的、召回效果怎么评估的。答不上评估指标是硬伤，哪怕项目是课程作业，也要补一个离线评估的小实验数据。

1. 手撕题按题型刷，不要按题号刷。Agent 岗高频是 LRU/LFU、拓扑排序、字符串解析（模拟 tokenizer 或表达式求值）、BFS/DFS 网格类。每类手写一遍到能默写辅助函数，注意边界：LRU 的 capacity=1、get 不存在的 key、put 已存在的 key。写之前先跟面试官确认接口签名和返回值约定，这本身就是加分项。

一面整体偏基础 + 项目，没有问分布式和系统设计。面完第二天收到反馈，约了 3 天后二面。

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。