AI Agent研发工程师（知识库方向）-Dev Infra

优缺点分析

角色解读

• 成为AI Agent领域专家，深入底层LLM与Agent技术
• 向系统架构师发展，设计大规模Agent平台
• 有机会带领技术团队，推动业务落地与创新
• 参与构建基于LLM的Agent平台，推动软件交付新范式
• 重点研发RAG、知识库、自进化Agent等关键模块，提升研发效率
• 跟踪AI前沿动态，持续优化Agent应用在开发、测试、运维等场景的表现
• 精通至少一门主流语言（Go/Python/Java/TypeScript），代码质量意识强
• 深入理解LLM应用构建方法，熟悉Agent基础架构与上下文工程
• 掌握RAG、知识库核心设计，了解自进化系统
• 具备创新意识、问题抽象能力和跨团队协作能力

申请策略

• 了解字节Dev Infra团队的产品方向，体现思考
• 突出LLM/RAG/Agent相关项目经验，最好有量化成果
• 展示系统设计能力，如架构图、设计文档
• 强调代码质量意识，如代码审查、测试覆盖
• 深入LangChain、LlamaIndex等Agent框架
• 实践构建RAG系统和知识库，了解Chunking、Embedding优化

面试指南

• 使用STAR法则描述项目背景、任务、行动和结果
• 技术问题先阐述原理，再结合实践经验说明
• 展示学习能力，对未知领域提出探索思路
• 请介绍一个你构建的Agent系统，包括架构和关键决策
• RAG中如何处理长文档的检索和生成？
• 如何设计一个自进化的Agent？
• 解释上下文工程中窗口管理和记忆机制
• 举一个跨团队协作解决复杂问题的例子