后台开发工程师(文档解析和RAG方向)

优缺点分析

角色解读

• 深耕AI基础设施领域，成为RAG/文档解析方向的专家
• 横向拓展至大模型应用、智能Agent等前沿方向，成长空间广阔
• 在腾讯内部可晋升至技术leader或架构师，负责更大规模系统设计
• 负责文档解析和RAG全链路的性能优化与架构设计，确保系统高可用低延迟
• 参与构建标准化、组件化的AI能力PaaS平台
• 跟踪AI前沿技术，探索大模型在业务场景的创新应用并推动落地
• 精通至少一门后台开发语言（Go/C++/Python/Java），熟悉Unix/Linux环境
• 掌握操作系统、数据结构、数据库等计算机基础，具备系统设计能力
• 理解大模型原理，熟悉RAG、Agent（Tool Use、Planning等）技术
• 具备问题解决能力和团队协作精神，有项目落地经验优先

申请策略

• 了解腾讯AI相关业务（如腾讯文档、AI助手等），在面试中展现业务理解
• 关注腾讯技术开放日或招聘活动，提前建立人脉联系
• 突出后台开发项目经验，尤其是高并发、低延迟系统的设计和优化
• 强调对RAG、Agent或大模型的理解和实践，如有相关项目或个人作品更佳
• 展示开源贡献或技术博客，体现技术热情和学习能力
• 量化项目成果，如系统性能提升百分比、支撑请求量等
• 补充或强化RAG技术栈：LangChain、向量数据库、Embedding模型等
• 熟悉至少一种大模型（如GPT、LLaMA）的调用与微调流程

面试指南

• 结合项目实例，先阐述原理再讲具体实践，突出优化思路和量化结果
• 对于设计类问题，使用4+1视图或面向对象原则，先定义需求再设计方案，最后评估权衡
• 对于前沿技术问题，展示自己持续学习的习惯，可引用最新论文或开源项目
• 请详细讲解RAG的工作原理，以及你如何优化检索和生成环节？
• 在实现文档解析时，如何处理非结构化数据（如PDF表格、图表）？
• 描述一个你遇到的高性能系统设计挑战，你是如何解决的？
• 你对Agent中的Tool Use和Planning如何理解？有实际开发经验吗？
• 谈谈你对大模型未来发展的看法，以及腾讯在AI领域的优势