资深大模型应用开发工程师-飞书Aily

优缺点分析

角色解读

• 深耕AI工程化领域，成为大模型应用架构专家或技术负责人
• 横向扩展至产品设计或AI研究，成为懂业务的技术leader
• 在字节跳动内部晋升为高级工程师/技术专家，或向AI产品经理转型
• 负责飞书AI场景的产品研发，参与AI框架研究、工程开发和产品设计
• 将AI平台能力落地到知识问答、人机协同等企业场景，持续优化用户体验
• 跟踪AI前沿技术，推动技术在实际场景的应用和效果优化
• 扎实的后端开发能力，精通Golang、Python或TypeScript及相关框架
• 熟悉LLM应用架构、Prompt Engineering、数据评测，对Agent、RAG、LangChain有深入理解
• 强烈的创新意识和自主学习能力，能紧跟AI领域最新动态
• 有AI应用项目经验，熟悉智能客服或对话系统者优先

申请策略

• 在投递时附上AI相关项目作品或GitHub链接，能显著加分
• 了解飞书Aily的产品定位和竞品，面试中展现对业务场景的理解
• 突出AI项目经验，特别是LLM应用、Agent、RAG相关项目，包括你的角色和具体贡献
• 强调后端开发能力，列出熟悉的语言和框架，以及系统设计案例
• 展示对AI前沿的持续关注，如个人博客、开源贡献或技术分享
• 如有智能客服、对话系统经验，一定要重点描述
• 深入学习LangChain、LlamaIndex等框架，动手搭建一个RAG Demo
• 掌握Prompt Engineering技巧，了解常见大模型API调用和微调流程

面试指南

• STAR法则：清晰描述项目背景、任务、行动和结果，突出技术难点和个人贡献
• 系统设计类：先明确需求，再画架构图，分模块阐述数据流、存储、推理优化等
• 概念理解类：先给出清晰定义，然后结合实际例子说明，最后谈优缺点或改进方向
• 请简述你参与过的AI应用项目，你在其中负责什么？
• 如何设计一个基于RAG的企业知识问答系统？
• 你对Agent的理解是什么？如何实现一个简单的Agent？
• 在Prompt Engineering中，你有哪些调优经验？
• 如何评估一个LLM应用的效果？有哪些关键指标？