AI Agent工程师（广告营销方向）-上海

优缺点分析

角色解读

• 技术纵深：从Agent应用开发到系统架构师，深入AI广告领域
• 横向拓展：可转向广告产品经理或AI产品负责人，结合业务视角
• 管理方向：带领Agent技术团队，负责广告营销AI平台的整体规划
• 将大模型和Agent技术应用于广告创意生成、素材个性化、受众分群等业务场景
• 开发并优化基于LLM的广告文案生成、A/B变体评分系统，参与Prompt Engineering和模型微调
• 构建智能体系统，如自动出价Agent、预算分配Agent，利用外部工具增强模型决策能力
• 跟踪前沿技术如RAG、多模态，推动广告营销系统的工程化落地和稳定性保障
• 精通Python或Java等编程语言，具备良好的工程化思维和代码调试能力
• 扎实的LLM应用基础：熟悉微调技术（LoRA、P-Tuning），有SFT/RLHF经验者优先
• 实际Agent或多Agent系统开发经验，理解规划、记忆、工具使用等模块
• 了解广告生态（Google Ads、Meta Ads）或投放策略、出价机制者优先

申请策略

• 提前了解希音的业务模式和广告营销体系，在面试中展现业务洞察
• 准备一个端到端的项目案例，从问题定义、技术方案到效果评估，体现完整思考
• 突出LLM微调项目经验，特别是LoRA、SFT、RLHF的实际应用案例
• 强调Agent或Multi-Agent系统的开发经历，说明规划、记忆、工具调用等模块设计
• 展示广告或营销领域的项目成果，如投放策略优化、创意生成效率提升等
• 体现工程化能力：代码质量、系统稳定性、性能优化相关的项目
• 深入学习LangChain、AutoGPT等Agent框架，动手搭建一个简单的广告投放Agent demo
• 熟悉广告投放平台（如Google Ads API、Meta Marketing API）的基本原理和调用方式

面试指南

• STAR法则：描述情境（Situation）、任务（Task）、行动（Action）、结果（Result），突出技术选择和量化成效
• 结构化回答：先明确目标，再分步骤说明技术方案，最后总结挑战与改进
• 展示权衡：讨论不同方案的优缺点，体现系统思维和工程判断力
• 请描述你过去参与的一个LLM微调项目，如何构建训练数据并评估效果？
• 你如何设计一个多Agent系统来优化广告出价？请说明架构和交互流程
• 如何保证Agent生成的广告内容合规且高质量？有哪些评估方法？
• 在广告营销场景中，如何将LLM生成结果与实际投放指标（如CTR、转化率）关联？
• 如果你需要将一个新模型部署到线上，你会如何设计实验来验证效果并控制风险？