增长AI开发工程师

优缺点分析

角色解读

• 从AI Agent开发工程师向AI系统架构师或AI技术专家发展，深入大模型与工程化领域
• 积累研发效能领域经验后，可转型为AI平台负责人或技术总监
• 跟随滴滴AI战略布局，有机会参与更多创新性AI项目，探索AI在出行行业的应用
• 设计并实现面向研发效能的AI Agent，构建多Agent协同机制，自动化研发流程
• 构建Harness标准化评测体系，支持Agent的自动评估、回归测试和持续优化
• 构建RAG系统，优化上下文注入策略，提升Agent在复杂业务中的理解与决策能力
• 结合真实研发场景推动AI提效落地，并持续优化Agent的ROI
• 精通1-2门主流编程语言，具备分布式、高并发系统设计能力
• 熟悉大模型技术栈（如LLM），有AI产品开发经验，熟悉Agent框架
• 具备端到端全局视角，出色的沟通协作和学习能力，适应AI领域快速变化

申请策略

• 关注滴滴在AI领域的业务方向，尤其是出行场景的AI落地案例
• 在简历中体现对研发效能提升的理解和实际成果
• 突出AI产品开发经验，特别是Agent或大模型相关项目
• 强调分布式系统设计能力，如高并发、微服务架构实践经验
• 展示端到端项目交付经历，体现从技术到业务的全局视角
• 如有RAG或Harness相关项目，务必详细描述
• 深入学习Agent框架（如LangChain、AutoGPT）和RAG技术
• 了解大模型评测方法（如Benchmark、Harness）

面试指南

• 使用STAR法则（情境、任务、行动、结果）描述项目经验，突出技术难点和解决方案
• 对于设计类问题，先明确需求边界，然后从系统组件、数据流、评估指标等维度展开
• 请介绍你参与过的一个AI Agent项目，包括架构设计、技术选型和最终效果
• 如何设计一个RAG系统来提升大模型在代码理解任务中的准确率？
• 在构建Agent Harness时，如何设计自动化评估指标？
• 面对大模型的幻觉问题，你在实际项目中采取了哪些措施？
• 如何平衡Agent的推理速度与回答质量？
• 复习大模型原理、Agent框架（如ReAct、Plan-and-Solve）和RAG技术