【小鹏汽车】【Agent 开发】【暑期实习HR面】面经（八股+大模型项目+手撕）

海外一年制硕士，投递小鹏汽车 Agent 开发暑期实习，HR 面（实为技术初筛 + HR 混合面）约 40 分钟，以下是完整复盘。

题目摘要

1. Go 语言基础：slice 与 array 的区别、slice 扩容机制、map 是否并发安全、defer 执行顺序与返回值陷阱。
2. MySQL / Redis 八股：聚簇索引与回表、EXPLAIN 中 type 字段含义、Redis 缓存穿透/击穿/雪崩的区别与各自解法、Redis 分布式锁的过期时间与续期问题。
3. Agent 项目深挖：RAG 检索链路、Function Calling 的 schema 设计与失败重试、多轮对话的上下文窗口管理、推理成本优化手段。
4. 手撕算法：给定一个整数数组和一个目标值 target，返回所有和为 target 的不重复子集（每个元素最多用一次）。关键思路：先排序，DFS 回溯时同层跳过重复元素（i > start && nums[i] == nums[i-1] 则 continue），递归入口 i+1 保证元素不重复使用，时间复杂度 O(2^n) 级别，需在草稿上写清剪枝条件。
5. 场景设计题：如果 Agent 要调用车控接口（如远程开空调），如何保证调用安全与幂等。
6. 行为面：为什么选 Agent 方向、实习时长能否保证、对车企做 AI 的理解。

项目深挖

简历上写了一个基于 RAG + Function Calling 的智能助手项目，面试官追问集中在三处。

追问一：RAG 的召回质量怎么保证？
参考回答方向：先分层说清链路——文档切分（按语义/固定窗口 + overlap）、向量化（embedding 模型选型）、召回（向量检索 + BM25 混合）、重排（rerank 模型）。重点讲你实际调过的参数：chunk size 从 512 调到 256 后召回准确率的变化、overlap 设多少、top-k 取几、rerank 后保留几条。面试官想听的是你有没有真的跑过评测，而不是背概念。可以补一句：用一组标注好的 QA 对做召回率/命中率对比，证明改动有效。

追问二：Function Calling 失败怎么处理？
参考回答方向：分三层。第一层是 schema 校验，模型返回的 JSON 参数可能缺字段或类型不对，用 JSON Schema 做强校验；第二层是重试，参数错误时把错误信息回灌给模型让它重新生成，设最大重试次数（如 2 次）避免死循环；第三层是兜底，重试仍失败则降级为追问用户或走固定话术。可以主动提幂等：车控类接口必须带幂等键，避免模型重试导致重复执行。

追问三：上下文越来越长，成本和延迟怎么控？
参考回答方向：几个可落地的点——滑动窗口保留最近 N 轮 + 对早期对话做摘要压缩；把系统提示词和工具定义做成可缓存的 prefix（如 prompt caching），命中缓存的部分不计费或降费；简单意图走小模型，复杂推理才路由到大模型；对工具返回结果做截断，别把整段日志塞进上下文。面试官会追问“摘要压缩会不会丢信息”，可以答：关键实体（订单号、时间、地点）单独抽成结构化字段常驻上下文，摘要只压对话流水。

准备建议

1. 八股按“能画图 + 能说清 why”准备。MySQL 索引别只背 B+ 树，能手画出聚簇索引叶子节点存整行、二级索引叶子存主键、回表怎么发生；Redis 三个缓存问题要能各说出两种以上解法并对比适用场景。Go 的 slice 扩容、map 并发写 panic、defer 与命名返回值的坑，建议直接写代码验证一遍。

1. 项目准备一份“数据化”口述稿。把 RAG 的召回率、响应延迟、token 成本这些数字记牢，面试官一定会问“优化前后差多少”。没有真实数据就自己搭评测集跑一遍，哪怕是 50 条 QA 的小样本，也比空谈架构强。Function Calling 部分准备一个真实的失败 case 和你的修法。

1. 手撕算法专项刷回溯与去重。子集、组合、排列这三类模板必须默写无 bug，重点练“同层去重”和“元素不可重复使用”两个变体。面试时先口述思路再写，写完主动跑一个含重复元素的用例自测。另外准备一道 Agent 场景设计题（工具调用安全/幂等），这类题在车企 Agent 岗出现频率很高。

面试整体偏基础 + 项目，没有刁钻的智力题。一面结束当天收到反馈，3 天后约了下一轮技术面。

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。