后端/资深后端研发工程师（AI效能方向）-TikTok Shop

优缺点分析

角色解读

• 技术深耕：从Agent开发深入LLM底层原理，成为AI效能方向专家
• 架构演进：从独立模块到系统架构师，负责大型AI系统的设计与优化
• 业务理解：深入电商业务场景，从技术支撑转向业务驱动，参与产品决策
• 设计与实现基于大语言模型的智能Agent系统，负责任务规划、对话管理和工具编排等核心模块
• 构建多模态Agent，集成文本、语音、图像等多种输入输出，实现跨模态对齐与融合
• 持续优化Agent的理解、检索、决策和响应能力，包括提示工程、RAG、函数调用等
• 关注LLM领域前沿技术，推动技术选型与落地，帮助TikTok Shop业务提效
• 扎实的后端开发能力：精通Go/Java/Python等至少一门语言，熟悉MySQL、Redis、MQ等中间件
• AI应用经验：理解LLM基本原理，熟悉提示工程（PE）、检索增强生成（RAG）、Agent框架等
• 系统设计能力：具备模块到系统级的设计经验，能解决复杂技术问题
• 持续学习热情：关注业界AI进展，愿意探索新技术并落地

申请策略

• 深入了解TikTok Shop的业务场景，思考AI如何解决实际问题
• 在面试中展示技术热情和快速学习能力，这是大厂看重的地方
• 重点突出后端开发经验，特别是高并发、复杂业务系统的设计与实现
• 突出AI相关项目经历，如Agent、RAG、提示工程等实践，即使是在个人项目或研究中
• 强调技术深度，展示对LLM原理的理解和应用案例
• 如果有开源贡献或技术博客，可以作为加分项
• 系统学习LLM原理、Agent框架（如LangChain、AutoGPT）、RAG技术
• 练习系统设计，尤其是AI系统架构设计

面试指南

• 系统设计题：先明确需求，拆解模块（输入处理、规划、执行、输出），考虑扩展性和容错
• 算法题：先理清思路，边界条件，再写代码，最后测试
• 业务题：结合TikTok Shop场景，提出具体落地思路，展示业务理解
• 请设计一个基于LLM的智能客服Agent，包括任务规划、知识检索和工具调用
• 解释RAG的工作原理，以及如何优化检索效率和回答准确性
• 系统设计题：如何设计一个支持高并发的Agent推理服务？
• 代码题：实现一个函数调用工具，包括函数注册、参数解析和执行
• 谈谈你对LLM未来发展的看法，以及Agent可能面临的挑战