后端开发工程师

优缺点分析

角色解读

• 技术深耕：从后端开发进阶为架构师或技术专家，主导采购平台整体技术演进
• AI融合方向：结合AI技术成为智能供应链领域的专家，推动AI在企业级B端产品的落地
• 管理路线：积累项目经验后转型技术Leader，带领团队交付复杂项目
• 负责采购平台核心业务模块的全生命周期开发，包括需求分析、技术方案设计和系统实现
• 基于Java技术栈编写高质量代码，建立测试体系，保障系统稳定性和高可用性
• 持续进行性能调优，通过SQL优化、JVM调优等手段提升高并发海量数据场景下的处理能力
• 探索AI技术（如LLM、RAG）在供应链场景的落地，完成模型/接口的工程化集成
• 精通Java及主流框架（Spring Boot/MyBatis/Spring Cloud），能编写高内聚低耦合代码
• 熟悉MySQL、Redis、Kafka等中间件，具备分布式系统开发和性能优化经验
• 了解LLM应用开发框架（如LangChain）或大模型API对接，有RAG/NLP项目经验更佳
• 熟悉Linux操作，具备问题排查和系统调优能力

申请策略

• 在简历中明确列出技术栈，特别是Java版本、Spring Cloud组件、中间件使用场景
• 面试前准备一个完整的项目介绍，从架构设计到性能优化，再到AI融合的思考，体现系统化思维
• 突出Java后端项目经验，尤其是高并发、分布式系统的设计和优化案例
• 如果有AI相关项目（如LLM对接、RAG应用），务必详细描述技术实现和业务效果
• 强调性能调优成果（如QPS提升、响应时间缩短等），用数据说话
• 展示对设计模式、代码规范的遵循，以及跨团队协作能力
• 如果缺乏AI经验，建议先学习LangChain框架，尝试调用大模型API做简单Demo
• 复习JVM调优和SQL优化常见技巧，准备一些实战案例

面试指南

• STAR法则：描述情境、任务、行动和结果，突出技术难点和量化成果
• 对比分析：在技术选型或优化方案中，比较多种方案，说明为什么选择某一种
• 未来导向：对于AI相关问题，不仅要讲已有经验，还要表达对新技术落地的思考和规划
• 请介绍一下你负责过的最复杂的后端系统架构，以及你在其中的角色和贡献
• 如何处理高并发场景下的数据库性能问题？请举例说明
• 你是否有使用LLM或RAG的经验？如何将其集成到现有系统中？
• 描述一次你通过JVM调优或SQL优化显著提升系统性能的经历
• 你对采购领域的业务流程有哪些了解？如何用技术解决供应链中的痛点？