Agent开发-二本科技

优缺点分析

角色解读

• 技术方向：从Agent引擎开发成长为架构师，负责整个Agent平台的技术演进
• 管理方向：晋升为技术负责人，带领团队推动AI Agent在业务中的广泛应用
• 行业方向：积累LLM应用经验，成为AI Agent领域的专家，参与前沿技术社区
• 设计和开发AI Agent平台的核心引擎，包括代理循环控制、上下文管理和工具编排
• 构建动态技能/工具注册系统，支持容器隔离执行和多级信任
• 开发子任务编排引擎，处理复杂任务的拆解、并行执行和异常恢复
• 负责多渠道接入（飞书/Web）的开发，涉及流式输出、消息去重和会话管理
• 精通LLM API调用链路，包括token管理、流式输出和上下文窗口优化
• 具备实际Agent/RAG/Tool-use系统的生产级开发经验
• 能深度修改开源Agent框架（如LangGraph、Dify）并落地到业务中
• 熟悉Docker容器技术，有沙盒隔离或浏览器自动化经验更佳

申请策略

• 在简历中明确写出你深度修改过的开源框架名称和具体贡献
• 准备一个Agent系统设计的案例，展示系统架构和解决的技术难点
• 突出你的Agent/RAG项目经历，特别是生产级系统的设计和优化
• 展示你修改开源框架的案例，说明具体改动和业务价值
• 强调对LLM API调用的深入理解，包括token优化和流式处理
• 如果目前没有改过开源框架，可以尝试复现并贡献一个Agent框架的PR
• 熟悉Docker和容器隔离，了解Firecracker或类似技术

面试指南

• 针对LLM相关问题：先说明基本原理，再结合具体项目经验，最后提出优化方案
• 对于框架修改问题：从业务需求出发，说明修改动机、具体实现和效果评估
• 请描述你如何设计一个支持多种工具的Agent框架？
• 如何处理LLM上下文窗口限制和token消耗？
• 你在修改开源Agent框架时遇到了哪些挑战？如何解决的？
• 如何保证Agent在异步并发场景下的稳定性和异常恢复？
• 谈谈你对MCP（Model Context Protocol）的理解和应用
• 复习LLM API的常用模式和最佳实践，准备一个完整的Agent调用链路案例