AI Agent工程师 - 组件与评测（郑州）(J13888)

优缺点分析

角色解读

• 技术专家路线：深耕Agent与RAG技术，成为AI平台组件与架构设计的技术权威，主导复杂AI系统的技术方案
• 解决方案架构师：基于Agent平台能力，结合行业Know-how，设计面向特定领域（如科研、政务）的整体AI解决方案
• 技术管理路线：在积累深厚技术背景后，可转向团队管理或项目经理角色，负责产品线的规划与交付
• 设计与开发可复用的AI Agent技能（Skill）组件，并实现其版本管理和发布
• 集成外部工具、数据源和专业软件（如科学计算软件）到Agent平台，确保标准化接入与调用
• 构建和维护知识库（RAG）能力，优化检索质量与权限管理
• 设计并实施全面的Agent评测体系，从单个组件到端到端任务进行质量度量
• 精通Python编程，并至少熟练掌握Golang或TypeScript之一，具备扎实的SDK与API开发能力
• 深入理解AI Agent架构（规划、执行、状态管理），熟悉Function Calling/Tool Use和MCP协议
• 掌握RAG技术栈，包括Embedding、混合检索、Rerank，并熟悉至少一种向量数据库（如Milvus、FAISS）或全文检索系统（如Elasticsearch）
• 具备系统集成能力，了解容器化技术、异步任务处理，并拥有构建自动化测试与评测体系的经验

申请策略

• 研究中科曙光的主营业务（如HPC、云计算）及其AI平台产品，思考该岗位技术如何与公司战略结合
• 在简历或面试中，可以主动阐述你对“组件化”和“评测体系”在AI平台中重要性的理解，展现你的系统思维
• 重点突出使用Python及Golang/TypeScript进行SDK、API或服务开发的项目经验，特别是涉及工具调用或系统集成的部分
• 详细描述在Agent、RAG、MCP等AI应用层技术的实际应用成果，例如开发了何种Skill、接入了哪些系统、RAG优化效果如何
• 列举构建自动化测试、评测平台或设计评测指标的相关项目，量化说明其对质量提升的帮助
• 如有AI4S、HPC或科学计算相关的集成经验，务必单独列出
• 系统学习MCP协议规范，并尝试动手开发一个简单的MCP Server或Tool，加深理解
• 深入研究主流的Agent框架（如LangChain, LlamaIndex）和评测工具（如TruLens），了解其设计理念与局限

面试指南

• 对于设计/开发类问题，采用STAR法则（情境、任务、行动、结果），并重点突出技术决策的理由和量化成果
• 对于评测/架构类问题，从目标、指标、方法、工具和可持续性几个维度展开，体现系统化思考
• 对于协议/原理类问题，先阐述核心概念，再结合具体项目或场景说明其价值与应用
• 请描述一个你设计或开发的复杂Agent组件/技能，你是如何定义其接口、处理异常并确保其可靠性的？
• 如果让你为一个新开发的Skill设计评测体系，你会考虑哪些核心指标？如何收集和计算这些指标？
• 在构建企业级RAG系统时，你遇到过哪些挑战（如权限管理、数据更新延迟、检索质量不稳定）？你是如何解决的？
• 请解释MCP协议的核心思想
• 它解决了什么问题？相比于自定义工具接口，有何优劣？