基础架构研发工程师

优缺点分析

角色解读

• 技术专家路线：在AI Agent基础架构领域深耕，成为Agent运行时、Sandbox、可观测性等方向的专家，主导核心模块设计与演进
• 架构师路线：积累分布式系统、云原生、AI基础设施的架构经验，向系统架构师或技术负责人方向发展
• 技术管理路线：在技术积累基础上，逐步承担团队管理职责，带领团队完成复杂系统建设
• 设计并实现AI Agent的运行时引擎，包括任务调度、状态管理、工具调用等核心机制，确保Agent高效稳定运行
• 构建Sandbox隔离环境，保障Agent代码执行、文件操作等行为的安全性和资源可控性，防止恶意操作
• 搭建全链路可观测体系，通过Trace追踪、延迟监控、Token消耗统计等手段，实现数据驱动的质量评估与优化
• 参与MCP、Skill框架等Agent协议与标准化建设，推动能力组件解耦与复用，提升平台开放性和可接入性
• 扎实的编程功底，熟练掌握Python/Go/Java至少一门语言，具备分布式系统、微服务架构、消息队列等实践经验
• 深入理解AI Agent架构原理，熟悉Agent运行时、Sandbox隔离机制、Trace链路追踪等技术规范
• 了解容器隔离技术（如gVisor、Firecracker）和分布式Trace系统（如OpenTelemetry、Jaeger）的原理与实践
• 对前沿技术有热情，具备良好的学习能力和开源社区参与意识

申请策略

• 关注小米AI Agent相关技术博客和开源项目，了解其技术栈和业务方向
• 在面试中展现对AI Agent技术的热情和深度思考，以及解决复杂工程问题的能力
• 突出计算机科学、人工智能等相关专业的硕士学历和院校背景
• 重点展示分布式系统、微服务、消息队列等工程实践经验，尤其是相关项目中的技术难点和解决方案
• 如果有Sandbox、Trace、容器隔离等相关的项目或研究经历，务必详细描述
• 如果有开源社区贡献经历，如提交PR、参与社区讨论等，一定要突出
• 提前学习AI Agent相关技术，如Agent运行时、Sandbox隔离机制、MCP协议等，了解主流开源项目
• 补充分布式系统、容器技术（如Docker、Kubernetes）和可观测性（如OpenTelemetry）相关知识

面试指南

• 对于技术理解类问题，采用'概念-原理-应用'的结构，先阐述概念，再深入原理，最后结合实践
• 对于设计类问题，采用'需求分析-方案设计-技术选型-权衡取舍'的框架，展现系统设计能力
• 对于项目经验类问题，采用'背景-任务-行动-结果'（STAR）法则，突出个人贡献和成果
• 请描述一下你对AI Agent基础架构的理解，包括运行时、Sandbox和可观测性等模块
• 如何设计一个安全的Sandbox环境来隔离Agent的代码执行？
• 在分布式系统中，如何实现全链路Trace追踪？请谈谈你的设计思路
• 你如何理解MCP（Model Context Protocol）？它在Agent生态中扮演什么角色？
• 请分享一个你参与过的分布式系统或微服务项目，并说明你遇到的挑战和解决方案