AI工程架构师-安卓方向

优缺点分析

角色解读

• 深耕端侧AI基础设施，成为Android AI Agent领域的专家
• 向技术架构师或技术负责人方向发展，主导更大规模的技术架构
• 横向拓展至云端AI或多模态交互方向，成为端云一体化专家
• 设计和开发Android端AI Agent基础设施，如Agent Runtime和工具调用框架
• 构建Tool Calling/Function Calling能力，将系统和设备能力抽象为标准工具
• 建设端侧上下文感知和端云协同能力，支撑任务理解与执行
• 与算法、云端、系统应用团队协作，推动AI Agent在小米多终端落地
• 精通Android Framework、系统服务、性能优化等端侧基础设施方向
• 熟练掌握Kotlin/Java/Rust/C++中至少一种，基础扎实
• 具备复杂系统架构设计能力，能够设计稳定可扩展的端侧基础设施
• 对AI Agent、MCP、RAG、端侧模型等方向有实践经验或浓厚兴趣

申请策略

• 在面试中展现对AI Agent技术趋势的理解，提出对端侧AI基础设施的思考
• 关注小米AI相关产品（如小爱同学、智能座舱等），结合自身经验提出改进想法
• 突出Android框架、系统服务或端侧基础设施的相关项目经验
• 强调在性能优化、稳定性治理等方面的具体成果和量化指标
• 展示对AI Agent、Tool Calling、RAG等概念的实践或研究经历
• 如果有跨团队协作推动项目落地的案例，重点描述
• 深入学习MCP协议和RAG技术原理，尝试在Android端实现简单的Demo
• 熟悉端侧模型部署框架如MediaPipe、TFLite、ML Kit等

面试指南

• 针对架构设计问题：先明确需求场景，然后对比多种方案，解释选型理由，最后总结效果和反思
• 针对AI Agent相关问题：先阐述对核心概念的理解，再结合Android特性给出具体实现思路，强调性能和安全考量
• 针对协作和落地问题：用STAR法则描述具体案例，突出你在其中的技术贡献和协调作用
• 请描述一个你设计的复杂Android端基础设施系统，如何保证可扩展性和稳定性？
• 谈谈你对 Agent Runtime 的理解，你会如何设计一个轻量级的端侧 Agent 执行环境？
• 在端侧实现 Tool Calling 时，如何平衡功能丰富性和安全性？
• 介绍你熟悉的端云协同方案，如何根据任务复杂度和网络状态选择执行端？
• 如何监控和优化端侧AI Agent的任务成功率和响应时延？