微信读书/输入法/秒剪-大模型应用研发工程师-Harness工程

优缺点分析

角色解读

• 可向AI架构师方向发展，负责更大规模AI系统的设计与优化
• 深入大模型算法与工程结合，成为技术专家或领域负责人
• 通过项目积累，参与更多核心业务AI化，提升技术影响力
• 设计并实现AI Agent Harness系统，为AI应用提供底层架构支持
• 参与微信读书、输入法等产品的AI功能落地，探索技术应用场景
• 建设Context Engineering能力，包括上下文压缩、跨会话Memory等关键技术
• 搭建自动化评估体系，优化开发和数据链路，提升系统稳定性与效率
• 熟练掌握Golang、Python等编程语言，具备扎实的系统开发基础
• 深入了解LLM、Agent、MCP等大模型相关技术，理解Harness理念
• 有MySQL、Redis、Kafka等开源组件的实际应用经验
• 具备良好的工程素养，如文档撰写、单元测试、版本管理及沟通协作能力

申请策略

• 提前了解微信读书、输入法等产品的AI功能现状，思考技术实现方案
• 准备回答关于大模型工程化挑战的问题，如稳定性、效率优化等
• 在面试中展示持续学习态度和对新技术的探索热情
• 突出LLM/Agent相关项目经验，展示在大模型应用中的实际贡献
• 强调系统设计能力，包括架构设计、性能优化等案例
• 详细列出编程语言（如Golang、Python）和开源组件（MySQL、Redis）的使用经验
• 体现工程素养，如文档撰写、测试实践及团队合作成果
• 深入学习Harness和Context Engineering概念，了解相关开源工具与实践

面试指南

• 结构化回答：先阐述问题背景，再描述具体方案，最后总结成果与反思
• 结合项目经验：用实际案例说明技术选型、设计决策和优化过程
• 展示问题解决能力：强调分析问题、调试和迭代优化的思路
• 请描述你如何设计一个Agent Harness系统？
• 在大模型应用中，Context Engineering有哪些关键挑战？如何解决？
• 如何搭建自动化评估体系来优化AI应用的性能？
• 你有哪些处理大模型相关工程难点的经验？
• 如何平衡技术探索与项目落地之间的资源分配？