CFO产品技术部-大模型应用研发技术专家-大模型应用团队

优缺点分析

角色解读

• 纵向可晋升为技术专家或架构师，主导更大规模的AI系统架构设计
• 横向可向AI业务负责人或技术管理方向发展，带领团队推动AI在更多业务场景的商业化落地
• 负责中大型项目的系统架构设计与核心代码编写，保障业务需求的高质量交付
• 深入研发大模型与Agent技术，攻克意图理解、记忆机制、多智能体协同等关键模块
• 将AI能力深度集成到财税业务场景中，打造高性能、高可用的创新应用
• 扎实的后端开发功底，精通Java或Python，熟练掌握分布式系统设计与大数据处理技术
• 具备AI领域实战经验，熟悉AIGC、大模型及Agent开发，擅长Prompt调优与上下文优化
• 优秀的系统分析能力与代码主导能力，能够独立把控项目架构与落地质量

申请策略

• 提前了解阿里CFO线及财税业务的基本背景，准备将AI技术应用于复杂业务场景的构想或案例
• 重点突出分布式系统架构设计经验及主导的中大型后端项目成果
• 详细列举在大模型、Agent或AIGC领域的具体实践，如Prompt调优案例、规模化AI应用落地成果
• 展现对AI技术趋势的深刻理解，以及在复杂业务场景中解决实际问题的经验
• 深入学习主流大模型应用开发框架，以及多智能体协同架构设计
• 强化对财税或金融业务逻辑的理解，思考如何将AI能力与严谨的业务规则相结合

面试指南

• STAR法则：针对项目经验，按照情境、任务、行动、结果结构化表达，突出个人贡献与业务价值
• 架构设计题：遵循“需求分析-核心模块设计-技术选型-高可用保障-监控运维”的逻辑链路进行阐述
• 请分享一个你主导设计的中大型分布式系统架构，你是如何保障其高可用与可扩展性的？
• 在大模型应用中，你是如何解决Agent的意图理解偏差或工具调用失败问题的？
• 针对财税这种对准确性要求极高的业务场景，你认为应该如何设计系统来降低大模型的幻觉风险？
• 请描述一次你通过Prompt调优或上下文优化显著提升模型输出质量的经历
• 复习分布式系统核心原理，并准备自己过往项目中的技术难点及解决方案
• 梳理大模型应用开发的最佳实践，特别是Agent设计模式及RAG的落地经验