高德-具身智能数据闭环 Agent 研发工程师-具身智能数据方向

优缺点分析

角色解读

• 在技术深度上，可以成为具身智能数据闭环领域的专家，主导核心模块的架构设计与演进
• 在业务广度上，可以深入理解数据、算法、产品、平台等多团队协作，逐步成长为技术负责人或架构师
• 在行业前景上，具身智能是未来科技发展的重要方向，该岗位经验具有很高的稀缺性和市场价值
• 设计并开发数据闭环中的Agent自动化模块，负责评测结果接入、失败问题定位、工具调用和结果回流等核心流程
• 将大语言模型（LLM）和Agent技术集成到数据闭环中，用于自动化问题诊断、结果整理和受控执行
• 负责Harness运行治理，包括运行观测、问题归档、退化比对和影响定位，确保系统的稳定性和可维护性
• 与算法、产品、平台等团队协作，持续优化数据闭环的运行效率和处理质量
• 扎实的Python编程能力，并熟悉Go、Java或C++中至少一种后端语言
• 熟悉LLM/Agent应用开发，了解LangGraph、AutoGen、OpenAI Agents SDK、MCP等主流框架或协议
• 掌握常见后端开发框架和基础设施，如Flask、Spring Boot、gRPC、消息队列、Redis、MySQL/PostgreSQL等
• 具备工具调用、任务编排、状态管理、运行观测及安全控制等复杂系统的工程经验

申请策略

• 在申请前，深入了解高德在具身智能和AI大模型领域的布局，以便在面试中展现你的兴趣和思考
• 准备一个关于你如何将LLM/Agent技术落地到复杂业务系统的案例，并清晰阐述其中的技术难点和解决方案
• 突出在数据闭环、评测系统或复杂任务工作流方面的项目经验，尤其是涉及Agent或LLM的应用
• 详细描述使用Python进行后端开发的项目，并强调在工具调用、任务编排、状态管理等方面的实践
• 如果有机器人、具身智能或智能驾驶相关项目，务必重点突出，这是加分项
• 展示你对LangGraph、AutoGen、OpenAI Agents SDK、MCP等框架或协议的实际使用经验
• 系统学习LangGraph、AutoGen等主流Agent框架，并尝试构建一个简单的Agent应用
• 深入了解MCP（模型上下文协议）等协议，理解其如何实现Agent与外部工具的解耦

面试指南

• 回答技术问题时，建议采用STAR法则（情境-任务-行动-结果），清晰阐述项目背景、你的职责、具体行动和最终成果
• 对于开放性问题，可以先阐述核心概念，再结合自身经验，最后提出自己的见解和思考
• 在回答关于挑战的问题时，可以展示你如何分析问题、权衡取舍并最终解决问题的思路
• 请详细描述你过去负责的一个数据闭环或Agent项目，包括架构设计、技术选型和遇到的挑战
• 如何设计一个稳定、可控的Agent系统，使其能安全地调用外部工具并处理异常？
• 谈谈你对LangGraph、AutoGen等Agent框架的理解，它们各自有什么优缺点？
• 在将LLM/Agent接入现有后端系统时，你会如何考虑性能、安全性和可观测性？
• 你对具身智能数据闭环的理解是什么？你认为当前最大的技术挑战在哪里？