微信小微-大模型算法研究员-Harness合版与记忆方向

优缺点分析

角色解读

• 在腾讯核心业务中参与大模型与Agent前沿研究，技术深度和广度将快速提升
• 可向技术专家或架构师方向深耕，成为Agent框架与记忆系统领域的权威
• 未来可横向拓展到更多腾讯产品的AI能力建设，晋升空间广阔
• 设计和开发Agent Harness框架，负责Agent调度、任务编排及上下文管理，支撑微信小微的智能交互
• 负责大模型后训练的合版工作（数据合版、OPD合版），优化模型迭代效率和效果
• 构建AI Agent记忆系统，包括记忆写入、组织、检索与生命周期管理，探索跨会话持续记忆与端云协同
• 与产品和工程团队协作，推动Agent Harness在大模型业务中的部署落地
• 扎实的机器学习基础，熟悉PyTorch/transformers等主流框架，具备大模型应用开发经验
• 深入理解Agent调度、RAG、Long Context或后训练合版等至少一个技术方向
• 优秀的系统设计能力，能够设计高性能、可扩展的Harness架构，并兼顾工程落地的可行性
• 良好的编程能力和逻辑思维，乐于探索前沿技术，具备优秀的vibe coding能力

申请策略

• 在简历中明确写出你对Agent或大模型方向的深入理解，用具体例子证明
• 了解微信小微的业务场景，面试时能提出针对性的技术方案
• 突出大模型应用或Agent相关项目经验，如RAG系统、任务编排框架等
• 强调使用PyTorch/transformers的落地案例，展示工程能力和性能优化成果
• 如果有后训练或模型合版经验，务必详细描述过程和效果
• 体现独立思考和技术探索能力，如博客、开源贡献或论文
• 提前补强Agent调度框架知识，如LangChain、AutoGPT等
• 熟悉RAG和记忆系统的基本原理，了解向量数据库、长文本处理技术

面试指南

• 用STAR法则组织项目经历，突出技术难点、解决方案和最终效果
• 从场景出发，先说明业务需求，再设计技术方案，最后评估效果
• 多比较不同方法的优劣，展示你的技术视野和决策能力
• 请描述你设计或使用的Agent调度框架，并说明其优缺点
• 如何解决RAG系统中的记忆一致性和检索准确性问题？
• 你如何看待Long Context处理和外部记忆的取舍？
• 请举例说明你在模型合版中如何处理数据冲突
• 如何设计一个跨会话持续记忆系统？