大模型应用开发工程师-Meego

优缺点分析

角色解读

• 技术深化：在AI应用领域持续深耕，成为大模型应用架构师或技术专家
• 管理转型：积累项目经验后，可向技术Leader或团队管理方向发展
• 跨领域拓展：结合业务理解，可转向AI产品经理或解决方案架构师
• 设计并实现Agent智能体，负责任务规划、工具调用和对话管理，提升复杂场景下的稳定性与成功率
• 参与RAG系统的开发，包括检索、召回、重排等模块的工程实现与优化，建设知识库与评测体系
• 参与LLM业务系统架构设计，包括服务拆分、接口设计、模型调用层、缓存与监控等
• 负责Prompt设计、调优与版本管理，搭建评测集与标注流程，持续评估模型效果
• 扎实的后端工程基础，3年以上服务端开发经验，熟悉Golang、Python或Java
• 有良好的工程习惯，注重代码质量、测试、日志、性能与可观测性
• 熟悉大模型应用工程，了解Agentic架构，有相关开发经验者优先
• 对LLM、RAG、Prompt工程有深入理解，能解决实际业务问题

申请策略

• 提前了解字节跳动的AI产品方向，如豆包等，思考如何将经验与之结合
• 在简历和面试中展示对AI技术的热情，例如参与开源项目或发布技术博客
• 突出后端开发经验，特别是服务端高并发、高性能系统设计案例
• 如果有AI相关项目经验（如Agent、RAG、微调等），详述你的角色和成果
• 强调代码质量意识，如单元测试、性能优化、日志监控等方面的实践
• 补充大模型应用相关知识，如LangChain、LlamaIndex等框架的实践
• 加强Golang实战能力，熟悉其并发模型和常用库
• 学习Prompt工程和评测方法论，了解最新行业实践

面试指南

• 针对架构设计题：先明确需求边界，再拆解模块，讨论技术选型（如缓存、异步等），最后考虑监控与迭代
• 针对优化题：从数据、模型、工程三个维度分析，提出具体方法（如数据增强、模型微调、索引优化等）
• 针对开放题：结合项目经验，使用STAR法则（情境、任务、行动、结果）结构化回答
• 请简述你对Agentic架构的理解，并举例如何设计一个任务规划模块
• RAG系统中检索与重排如何优化？遇到过哪些挑战？
• 如何对LLM的输出进行效果评估？你会设计怎样的评测集？
• 你使用Golang做过哪些高并发服务？如何保证稳定性和可观测性？
• 给出一个场景：如何设计Prompt来提升模型回答的准确性？