后台开发工程师

优缺点分析

角色解读

• 技术纵深：从RAG工程师成长为AI应用架构师，主导智能体平台的技术演进
• 管理路线：带领团队负责更大规模的知识库系统，晋升为技术主管或项目经理
• 行业跨界：积累金融+AI复合经验，向金融科技专家或AI产品经理方向发展
• 负责智能体平台知识库的建设，包括知识获取、存储、检索、更新等全生命周期管理
• 调研并引入前沿的RAG（检索增强生成）技术，优化文档解析、记忆管理、内容生成等环节
• 基于知识库孵化上层应用，例如智能问答、信息提取等，持续提升应用效果和用户体验
• 扎实的Java/Python开发能力，熟悉Flask或Springboot等后台框架，有三年以上经验
• 深入理解RAG技术栈，包括文档解析、向量化、检索排序、生成模型等，并有实际项目经验
• 熟悉分布式系统的基础组件：关系型数据库、缓存、消息队列、搜索引擎、向量数据库
• 具备自我驱动的学习能力，能够主动跟踪并引入开源新技术

申请策略

• 投递前了解平安科技的战略方向，尤其是智能体平台在金融场景中的应用案例
• 面试中准备一个完整的RAG项目案例，从数据预处理到最终效果评估，展示你的系统思维
• 突出RAG或智能体相关项目经验，详细描述你在知识检索、文档解析、生成优化中的具体贡献
• 强调分布式系统设计实践，如缓存、消息队列、数据库调优等
• 列出开源项目或技术博客，展示你的自驱学习和分享能力
• 系统学习RAG前沿论文和开源框架（如LangChain、LlamaIndex），动手搭建一个Demo
• 复习分布式理论（CAP、一致性协议）并熟练使用ElasticSearch和Milvus
• 了解平安的现有技术栈（如Springboot、Kafka），提前准备相关面试题

面试指南

• STAR法则：先说明项目背景（Situation）和任务（Task），再重点讲你的行动（Action）和结果（Result），数据量化效果
• 三步分析法：问题定义→技术方案对比→选型理由及落地效果
• 适合开放性问题
• W1H：用Who、What、When、Where、Why、How结构化回答，确保全面性
• 请详细描述你曾参与的一个RAG项目，包括技术选型、架构设计和优化过程
• 如何处理知识库中大量文档的重复、矛盾或过时问题？请设计一个知识更新策略
• 在高并发场景下，如何保证知识检索的实时性和准确性？请结合缓存和搜索引擎设计
• 你如何评估引入的新技术或开源工具？请举一个你成功引入并落地的例子