面试面经 · 小米
【小米】【Agent 开发】【暑期实习HR面】面经（八股+大模型项目+手撕）
背景
海外一年制硕士，投递小米 Agent 开发暑期实习，HR 面约 40 分钟，技术问题占比高，HR 对 Agent 方向有基本了解，不是纯行为面。
题目摘要
- Go 语言基础：goroutine 与 channel 的使用场景、内存逃逸分析、defer 的执行顺序
- MySQL/Redis 八股：索引失效场景、事务隔离级别、Redis 缓存穿透与击穿区别及解决方案
- Agent 项目深挖：RAG 检索优化、Function Calling 的容错处理、多轮对话上下文管理策略
- 推理成本优化：如何降低 LLM API 调用成本，具体到 token 压缩与缓存方案
- 手撕算法：实现一个支持过期时间的 LRU Cache（LeetCode 460 变体），要求 set/get 均为 O(1)，支持 expire 操作
手撕算法：带过期时间的 LRU Cache
题意：设计一个数据结构，支持 get(key)、put(key, value, ttl) 和 expire(key, timestamp) 三个操作。get 时若 key 已过期返回 -1；put 时若容量已满，淘汰最近最少使用且未过期的条目；expire 手动设置或更新过期时间。
关键思路：
- 哈希表 + 双向链表实现 O(1) 的 LRU 淘汰
- 节点额外存储
expireAt时间戳，get时先判断当前时间是否超过expireAt - 惰性删除：
get时发现过期直接删除，不主动扫描 - 若需主动清理，可另维护一个最小堆按过期时间排序，但会牺牲空间复杂度
面试官关注点：是否主动提出惰性删除与主动清理的权衡，以及并发场景下是否需要加锁（我答了单线程假设下无需锁，多线程需分段锁或使用 sync.Mutex）。
项目深挖
追问 1：RAG 检索结果质量差，你怎么定位和优化？
参考回答方向：先区分是召回问题还是生成问题。召回侧检查 chunk 切分粒度（我用了 256 token 重叠 32 token）、embedding 模型选择（对比过 bge-large 与 text-embedding-ada-002）、混合检索（BM25 + 向量检索的 RRF 融合）。生成侧检查 prompt 中是否明确指示"仅基于给定上下文回答"，以及是否有多轮对话中历史 query 干扰检索。实际优化中，我加了 query 改写模块，将指代消解后的 query 用于检索，hit rate 提升了约 15%。
追问 2：Function Calling 如果模型返回了不存在的函数名或参数格式错误，怎么处理？
参考回答方向：三层兜底。第一层在 prompt 中给出严格的 JSON Schema 并附带 few-shot 示例；第二层在代码中做 schema 校验，若校验失败则拼接错误信息重新请求模型，限制最多重试 2 次；第三层若仍失败，降级为普通文本回复，告知用户"该操作暂不可用"。另外提到对工具注册表做白名单校验，防止 prompt injection 导致模型调用未注册函数。
追问 3：多轮对话中上下文过长导致 token 超限，你的方案是什么？
参考回答方向：滑动窗口 + 摘要压缩。保留最近 3 轮完整对话，更早的对话用 LLM 生成摘要存入上下文。同时用 embedding 相似度召回历史中与当前 query 相关的片段，拼接到系统提示词后。成本优化方面，对摘要任务用小模型（如 Qwen-1.5B），对主任务用大模型，整体 token 消耗降低约 40%。
准备建议
- 把项目数据量化到小数点后一位：面试官对"提升效果"的追问非常细，建议提前跑通 benchmark，记录优化前后的准确率、延迟、token 消耗的具体数值。没有真实数据就做小规模评测，不要只给"有明显提升"这种定性描述。
- 手撕题练习带变体的 LRU/LFU：小米 HR 面出现算法题不常见，但今年 Agent 岗明显加码。建议在 LeetCode 刷完 146、460 后，自己设计变体（如加过期时间、加并发限制），口头演练一遍从暴力解到最优解的演进过程，面试时先讲思路再写码。
- 准备一个"成本优化"的故事线：Agent 方向面试必问推理成本，建议按"问题发现 → 方案对比 → 落地效果"结构准备。例如：发现每次请求平均消耗 5000 token → 对比 prompt 压缩、缓存、模型降级三种方案 → 最终用语义缓存 + 小模型重写，成本下降 35%。这个故事线可以套用在任何 Agent 项目上。
结果反馈
一面通过，约 5 天后收到二面通知，后续为技术面 + Leader 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。
