监控平台研发（AI智能体方向）（J99613）

优缺点分析

角色解读

• 深耕AI智能体与可观测性领域，成为资深技术专家或架构师
• 可转向AI平台架构或大数据基础设施方向，拓展技术广度
• 在百度内部积累行业影响力，有机会晋升为技术Leader或管理岗
• 研发AI智能体，实现监控埋点自动生成、故障感知、诊断与自动处置，打造AI Native监控产品
• 参与监控基础架构建设，包括大规模数据采集、分布式实时计算、时序数据存储与异常检测系统
• 优化监控系统架构，提升可靠性、性能和可扩展性，引入业界前沿技术
• 具备AI智能体工程落地经验，熟练使用常见智能体框架或自研智能体
• 熟悉分布式系统、实时计算、时序数据存储与异常检测算法
• 掌握至少一种编程语言（如Python），善于利用AI工具提升开发效率

申请策略

• 在简历或自荐信中强调对AI Native监控产品的理解和兴趣
• 准备1-2个能体现AI与监控结合的项目案例，展示技术深度和业务思维
• 突出AI智能体项目经验，包括框架选择、系统架构、落地效果等
• 详述监控/可观测系统构建经历，如数据采集、实时计算、异常检测等方面的成果
• 展示使用AI工具提升工作效率的具体案例（如代码生成、问题分析）
• 补充AI Agent前沿知识，如Multi-Agent、工具调用（Function Calling）、RAG等
• 学习监控领域主流技术，如Prometheus、Grafana、ELK、OpenTelemetry等

面试指南

• 对于系统设计类问题，采用分步骤回答：需求分析→架构设计→关键组件→选型理由→性能考量
• 对于项目经验类问题，使用STAR法则：背景、任务、行动、结果，突出个人贡献和技术难点
• 对于AI工具使用问题，说明具体场景、工具选择、应用方式及效果量化
• 请描述你设计或参与的AI智能体系统的架构和关键技术选型
• 如何实现一个低延迟、高可用的实时异常检测系统？
• 监控数据在时序数据库中的存储优化策略有哪些？
• 你如何利用AI工具提升日常开发效率？请举例
• 在分布式系统中，如何保证故障诊断的准确性和实时性？