滴滴一面面经
2026年03月13日 滴滴-网约车平台
全程40分钟
一、项目与实习经历
- 索引与效率平衡：在将数据存入 ES（Elasticsearch）时，是如何平衡索引力度和查询效率的？有没有做冷热分离等策略？
- Agent交互模式：堆栈分析到代码定位的链路中，与大模型的调用是单轮还是多轮（Auto-agent）？为什么这么选择？
- Prompt设计：你的 Prompt 是怎么设计的？
- 准确率评估：诊断 Agent 的准确率是如何评估的？有没有办法将这个验证流程也自动化？
- 幻觉与长文本问题：有没有遇到过大模型产生幻觉（定位错误代码）的情况？如果遇到文件过长超过上下文窗口限制，你会怎么解决？
二、场景设计题（司机智能接单助手）
- 整体架构设计：如果通过“后端 + 大模型”实现一个司机智能接单助手（输入订单信息，输出建议接/不接及原因），你会怎么设计？
- 影响因素分析：影响司机接单决策的因素有哪些？（面试官提示：路况拥堵、司机偏好等）
- 数据存储方案：司机的历史数据和偏好数据，你会设计成知识库（RAG）还是微调（Fine-tuning）？为什么？
- 架构选择：在这个场景下，你会选择 RAG 架构还是 Fine-tuning 架构？
- 性能优化（200ms延迟）：如果要求 200ms 内完成意图识别、外部 API 调用（地图/导航）及业务逻辑，如何优化？（追问：如何利用缓存、预计算或 SLA 保障？）
- 体验平衡策略：如果司机连续收到多个“建议不接”的订单，体验会很差。如何在策略中加入平衡机制或兜底逻辑？在推荐开发过程中如何实现？
三、工程实践与工具
- 编码习惯：平时写代码是手写还是使用 AI 辅助工具？
- AI 编程工具：如果使用 AI 辅助，一般使用什么工具？
- 行业认知：了解过目前哪些大模型在代码生成（Copilot）领域做得比较好？
四、代码题（限流器设计）
- Prompt 编写任务：请编写一个 Prompt，让 AI 辅助生成一个基于用户 ID 分级的限流器，支持高优和普通用户不同配额QPS。
- 代码审查重点：如果 AI 生成了代码，你会重点检查哪些方面？
- 可验证性：如何验证生成的限流器代码是正确的？
春招第三面，头一回碰到写题用AI的，但还是答得不太好。一堆Agent相关的问题真没考虑过，场景题也了解也太少了，没啥说的，立正挨打
15分钟后速挂。日常一面挂，给有需要的朋友提前“让”出一个HC
仍需努力
