应用效能技术部-#Agent 开发工程师#-Agent 平台方向

优缺点分析

角色解读

• 技术专家路径：深入研究Agent平台架构与AI工程化，成为该领域的资深技术专家或架构师
• 技术管理路径：在具备扎实技术能力的基础上，逐步承担更多团队协调和项目管理职责，走向技术管理岗位
• 前沿探索路径：持续跟踪AI与Agent技术发展，探索将前沿研究成果转化为实用平台能力，影响更广泛的技术生态
• 设计和开发支撑大规模Agent应用的底层平台，负责核心系统架构的搭建与持续优化
• 实现和维护Agent编排、模型调用、工具接入、知识管理等关键功能模块，确保平台的稳定性、高性能和易扩展性
• 深入业务场景，将通用的技术能力封装成标准化、可复用的解决方案，提升业务团队的开发效率
• 扎实的编程基础与至少一门主流语言（Go/Java/C++/Python）的工程实践能力，注重代码质量
• 深入理解分布式系统原理，具备设计和解决高并发、高可用性系统问题的能力
• 对AI领域，特别是大语言模型（LLM）和Agent技术有认知，了解相关概念和技术栈
• 出色的系统抽象与架构设计能力，能够将复杂需求转化为清晰的技术方案

申请策略

• 在申请材料或面试中，尝试阐述你对Agent平台未来发展方向或技术挑战的理解，展现思考深度
• 关注腾讯在AI和云技术方面的公开技术博客、论文或开源项目，了解其技术栈和关注点
• 突出参与设计或开发过的高并发、分布式系统项目经验，强调架构设计与性能优化实践
• 展示对大语言模型应用或智能体相关技术的理解与实践经验（如相关项目、研究、开源贡献）
• 清晰描述过往项目中解决的复杂技术难题，体现分析、定位和解决问题的能力
• 体现良好的协作与推动能力，如跨团队协作完成项目、推动技术方案落地等经历
• 系统性学习Agent相关的主流框架与开源项目（如LangChain, AutoGen），并进行动手实践
• 深入复习分布式系统核心概念（如CAP理论、一致性、微服务治理），并准备相关设计案例

面试指南

• 使用STAR法则（情境-任务-行动-结果）结构化地描述项目经验和技术决策
• 对于系统设计问题，先澄清需求和约束，再阐述整体架构和关键技术选型，并讨论可能的扩展与权衡
• 对于AI相关问题，结合自己的理解与实践经验回答，体现对技术本质的思考而非简单背诵概念
• 请介绍一个你参与设计的复杂后台系统，它的架构是怎样的？你在其中解决了哪些关键技术挑战？
• 你认为构建一个稳定高效的Agent平台，核心需要具备哪些能力？你会如何设计？
• 如果让你为一个高并发场景设计数据缓存方案，你会考虑哪些因素？如何保证缓存与数据库的一致性？
• 请谈谈你对大模型在Agent中作用的理解，以及Agent的“编排”可能涉及哪些技术点？
• 请描述一次你与产品、算法等其他角色紧密协作，共同推动项目落地的经历