推荐算法工程师-随变

优缺点分析

角色解读

• 推荐算法专家：深耕推荐系统，成为领域权威，领导复杂算法项目
• AI Agent方向专家：随AI原生应用爆发，成为Agent架构与优化专家，拓展至多模态、具身智能等领域
• 技术管理：向技术Leader发展，负责算法团队或整体技术方向，兼具业务视野
• 负责随变APP的Feed流推荐算法优化，包括内容理解、召回、粗排、精排、混排等全链路，提升用户留存与内容消费
• 构建和优化OC创作Agent，开发Agent Harness框架，管理角色资产与对话策略，结合LLM实现个性化创作辅助
• 利用抖音兴趣迁移、冷启动等技术手段，结合UG导流，扩大内容生态并提升新用户转化
• 扎实的机器学习与推荐系统基础，熟悉召回、排序、EE等经典算法及实践
• 强大的工程能力，熟练使用Python/C++，了解分布式系统，有良好的代码规范
• 对LLM有深入理解，熟悉Prompt工程、RAG、Agent框架（如LangChain）等，能解决幻觉问题

申请策略

• 在简历或面试中表达对二次元文化的理解和热情，体现与业务契合度
• 准备一个完整的端到端推荐或Agent项目案例，包括问题定义、方案设计、实验对比、线上收益
• 突出推荐系统项目经验，特别是召回、排序、冷启动等模块的量化成果（如CTR、留存提升）
• 展示LLM相关项目，尤其是Agent开发、RAG、Prompt优化等实践，附上GitHub或Demo
• 强调工程能力，如大规模分布式训练、在线服务优化、代码质量等
• 如有竞赛获奖或论文发表，务必列出，体现学术能力
• 深入复习推荐系统经典论文及工业界实践（如DIN、DCN、MMOE等），并了解LLM4Rec最新进展
• 动手实践Agent框架（如LangChain、AutoGPT），搭建一个简单的OC创作助手Demo

面试指南

• 项目回答采用STAR法则：情境-任务-行动-结果，重点突出算法选择和效果量化
• 架构设计问题：从数据、召回、排序、重排、冷启动、评估等方面分层阐述，兼顾实时性
• 开放性技术问题：列举2-3种方法，比较优劣，结合业务场景给出推荐方案
• 请详细描述你主导的一个推荐系统项目，包括遇到的冷启动问题及解决方案
• 如果随变APP需要从零开始构建推荐系统，你会如何设计整体架构？
• LLM在推荐系统中可以有哪些应用？请举例说明
• 如何评估OC创作Agent生成内容的质量？请设计一套评估体系
• Agent中LLM幻觉问题如何有效防御？请给出具体技术方案