高级投放 Agent 研发工程师（北京/深圳）

优缺点分析

角色解读

• 技术深耕：成为Agent架构专家，主导AI系统设计与演进
• 领域拓展：从广告投放向更多商业化AI场景延伸，如推荐、搜索
• 影响力提升：通过技术分享、开源贡献、团队指导，成长为技术Leader
• 设计和实现广告投放Agent的运行时、编排、记忆等核心机制，确保高可靠与低延迟
• 解决复杂任务执行、多步操作可控性、效果归因等技术难题，提升Agent决策质量
• 将广告投放能力封装为Agent工具/技能，打通用户意图到系统操作的全链路
• 建设Agent评测体系与质量标准，保障交付稳定性
• 紧跟LLM前沿并输出方法论
• 精通Go/Python/Java等至少一门语言，扎实的工程和架构能力
• 深刻理解LLM/Agent技术体系，包括多Agent、RAG、多步编排、记忆等
• 具备真实落地的Agent/AI应用经验，能处理复杂分析、决策、操作
• 有广告/营销/电商等商业化场景的AI落地经验，或模型训练/微调背景

申请策略

• 面试前了解腾讯广告业务的产品形态和行业地位，思考Agent如何提升广告效果
• 准备一个完整的Agent项目介绍，从需求到架构到效果，展现系统思维
• 突出LLM/Agent项目的实际落地细节，包括架构设计、关键难点和解决方案
• 强调广告/推荐等商业化场景的AI应用经验，展示业务理解
• 写明你在工程架构、性能优化方面的成果，如高并发、低延迟系统设计
• 如有模型训练、微调或评测体系相关经验，务必重点提及
• 深入掌握至少一个Agent框架（如LangChain、AutoGPT），并动手实践复杂Agent
• 补充广告投放领域的知识，了解出价、定向、归因等核心逻辑

面试指南

• 使用STAR法则：背景-任务-行动-结果，重点突出技术选型、架构权衡和实际效果
• 对于系统设计问题，先明确约束条件（如并发、延迟、可靠性），再给出分层架构
• 对于开放性问题，结合自身经验+行业趋势，展示思考和深度
• 请描述你设计过一个复杂Agent的架构，包括如何处理多步操作的可控性和错误恢复？
• 在广告投放场景中，如何确保Agent决策的准确性和时效性？
• 你如何评估一个Agent系统的效果？请设计一个评测方案
• 谈谈你对LLM Agent未来趋势的理解，以及当前的主要挑战
• 如何将广告投放的操作封装为Agent工具？请举例说明