数据技术及产品-Agent开发工程师-杭州

优缺点分析

角色解读

• 从Agent开发工程师向资深工程师/技术专家发展，深入大模型与Agent前沿方向
• 有机会负责更复杂的数据智能产品，逐步成为团队技术骨干或架构师
• 随着AI Agent在企业智能化中的应用扩展，可向AI产品技术负责人或技术管理方向发展
• 负责构建Agent核心推理链路，包括任务规划、工具调用和运行时稳定性，确保Agent能可靠执行复杂任务
• 开发智能诊断Agent，用于监控、异常检测和数据溯源，帮助快速定位高管问数场景中的问题
• 建设数据知识库，优化检索性能，将业务知识持续沉淀，提升检索准确率
• 推动Agent工程体系建设，引入自动化评测，实现知识自动更新的自进化闭环
• 扎实的工程能力，熟练掌握Python或Java，有中大型系统设计和性能优化经验
• 深入理解大模型应用技术，包括Prompt Engineering、Function Calling、Context Engineering等关键能力
• 熟悉ReAct、Plan-and-Execute等Agent设计模式，并能工程化落地
• 具备数据驱动思维，能够通过指标评估效果并迭代优化

申请策略

• 了解阿里巴巴内部数据技术与产品部门的方向，针对性准备相关业务场景的解决方案
• 面试中除了技术，多展示对Agent应用落地难点的思考，体现解决问题的思路
• 突出AI Agent或LLM应用的项目经历，特别是涉及任务规划、工具调用、Prompt优化等
• 展示中大型系统设计经验，例如系统架构图、性能优化案例等
• 强调数据驱动和评测体系建设的实践，比如如何通过指标改进模型效果
• 如果有跨团队协作或推动业务落地的案例，重点描述
• 深入理解LangChain、LlamaIndex等主流Agent框架，并动手实践
• 学习ReAct、Plan-and-Execute等设计模式的源码实现，理解其原理

面试指南

• 对于项目介绍，采用STAR法则：情境、任务、行动、结果，突出技术难点和解决方案
• 对于技术理解题，先给出核心概念定义，再结合实例说明，最后总结最佳实践
• 对于设计题，从需求分析、系统模块划分、关键技术选型、性能考量等角度回答，体现条理
• 请介绍一个你使用LLM构建Agent的项目，详细说明架构设计和技术选型
• 在Agent开发中，如何保证任务规划的准确性？你如何处理工具调用失败？
• 如何设计评测体系来提升Agent的效果？你使用过哪些自动化评测方法？
• 谈谈你对Harness Engineering和Prompt Engineering的理解
• 如果让你构建一个智能诊断Agent，你会如何设计其核心链路？