AI应用开发工程师-商业化智能销售

优缺点分析

角色解读

• 技术深度发展：从AI应用开发逐步深入到模型调优、算法研究，成为大模型领域专家
• 技术管理路径：在积累项目经验后，可向技术Leader方向发展，带领团队攻克复杂难题
• 业务型专家：深入理解广告业务，成为既懂技术又懂业务的复合型人才，推动产品创新
• 设计并开发智能销售系统的架构，实现高稳定性、高性能与高安全性的后台服务
• 深度参与大模型应用（如SFT、RAG、Agent）的工程落地，优化广告主的智能服务体验
• 将智能销售能力适配到不同渠道和产品形态，如网页、APP等，确保技术方案的灵活性
• 扎实的编程能力，精通Golang或Python，熟悉数据结构和算法
• 对语言大模型、多模态大模型、Agent技术有基本认知和应用经验
• 良好的系统设计能力，能够独立完成模块架构设计
• 具备业务理解能力，能主动诊断客户问题并转化为技术方案

申请策略

• 了解字节跳动的广告业务和智能销售方向，在面试中展现对业务价值的思考
• 准备一个技术深度的项目介绍，体现从问题分析到方案设计、落地的完整链路
• 突出大模型相关的项目经验，如RAG系统开发、Agent框架搭建等，提供具体技术细节和成果
• 强调精通Golang或Python，展示代码质量和系统设计能力（如设计文档、架构图）
• 如有广告或ToB相关业务经验，应重点体现对业务理解和技术结合的案例
• 系统学习大模型应用算法，动手实现一个简单的RAG或Agent Demo，加深对SFT、PE等概念的理解
• 练习系统设计题，特别是高并发、高可用架构，可参考字节面经

面试指南

• 对于技术开放题，采用STAR法则：情境、任务、行动、结果，突出核心难点和你的贡献
• 对于设计题，先澄清需求，再给出架构分层，权衡利弊，最后总结
• 请介绍一个你使用大模型解决实际问题的项目，包括技术选型和挑战
• 如何设计一个高并发的智能问答系统，结合RAG和Agent技术？
• 对SFT和RLHF的理解是什么？在什么场景下使用？
• Golang和Python在系统设计中的优缺点对比？请举例说明
• 如何理解广告业务中客户需求？智能销售如何主动服务提升转化？
• 复习大模型基础知识（Transformer、Prompt Engineering、Fine-tuning等），并能结合实际案例