Agent Infra高级研发工程师

优缺点分析

角色解读

• 可向大模型Agent基础设施专家方向发展，深入底层框架与调度优化
• 有机会晋升为技术专家或架构师，负责更复杂平台的设计与团队技术决策
• 依托腾讯AI业务场景，可横向拓展至算法工程、机器学习平台等方向
• 构建大规模沙盒平台，支撑大模型Agent的评估、强化学习与数据制造流程
• 研发和维护Agent框架，支持自动化评估、数据生成和实验复现
• 解决高并发任务执行下的性能与稳定性问题，优化任务流程并建设配套基础设施
• 集成各类评估bench和运行环境，保障模型训练与实验高效执行
• 精通Python，具备扎实的软件工程与系统设计能力
• 熟悉大模型与Agent技术栈，理解模型调用、工具调用、上下文管理等核心链路
• 熟悉Go语言，掌握Linux、Docker、Kubernetes、容器网络等云原生技术
• 了解大模型训练流程，重视模块化设计、测试、性能与稳定性治理

申请策略

• 在简历中明确量化平台性能指标（如QPS、资源利用率）和业务效果提升
• 关注腾讯招聘官网或内推渠道，了解团队技术方向与面试风格
• 突出高并发系统设计、性能优化和稳定性治理的实战案例
• 强调Python/Go开发经验，以及Kubernetes/Docker等云原生技术的实际应用
• 展示与大模型或Agent相关的项目经历，如模型评估、自动化工具链等
• 体现与算法团队协作、推动复杂项目落地的能力
• 深入学习大模型Agent框架（如LangChain、AutoGPT）的源码与设计思路
• 补充强化学习和模型训练的基础知识，理解RLHF、PPO等流程

面试指南

• 采用STAR法则：说明情境、任务、行动和结果，突出你的技术决策和量化成效
• 先分析问题本质，再给出设计思路，强调权衡取舍和可行性
• 结合具体项目经验，展示你如何利用行业前沿工具（如LLM）提升效率
• 请介绍你设计过的一个高并发系统，如何保证稳定性和性能？
• 你对大模型Agent的工作原理和典型框架有什么理解？
• 在Kubernetes和容器环境中，你如何优化任务调度和资源利用率？
• 如何设计一个支持大规模评估任务的沙盒平台？
• 在团队协作中，如何与算法同学高效配合实现业务需求？