阿里云智能-AI应用开发工程师-杭州

优缺点分析

角色解读

• 技术专家路线：深入Agent与AI技术，成为领域内资深架构师或技术专家
• 技术管理路线：带领团队负责更大范围的AI平台或业务解决方案
• 产品化路线：转向AI产品经理或解决方案架构师，推动技术产品的商业化落地
• 负责供采业务全链路的AI Agent架构设计与核心开发，实现大模型技术在实际业务场景中的落地
• 主导Agent开发平台的技术设计与能力建设，包括Prompt管理、工具链集成、性能优化和可观测性体系
• 深入理解供应链业务，将业务需求转化为技术方案，推动AI驱动的效率提升和创新
• 精通LLM Agent技术栈，包括Prompt Engineering、RAG、多Agent协作和主流框架（如LangGraph）
• 具备扎实的工程架构能力，熟悉微服务、容器化、云原生和高并发系统设计
• 拥有Python为主的编程功底，了解机器学习/深度学习原理，熟悉大数据和云平台AI服务
• 优秀的业务理解与沟通能力，能将技术方案与商业价值紧密结合

申请策略

• 研究阿里云智能和供采业务方向，理解技术如何驱动业务创新
• 准备能体现从0到1构建Agent系统或解决复杂问题的技术方案案例
• 重点突出LLM Agent相关项目经验，描述具体的技术栈、架构设计和落地效果
• 展示工程架构能力，如高并发系统设计、微服务实践和云原生技术应用
• 如有供应链或B端业务经验，强调业务理解与技术结合的案例
• 列举在Agent平台建设、性能优化或工具链集成方面的具体成果
• 深入学习Agent框架（如LangGraph、AutoGen）和前沿技术（如Self-Reflection、MCTS）
• 补充供应链管理、采购、库存优化等业务知识，了解行业场景

面试指南

• 使用STAR法则（情境、任务、行动、结果）描述项目经验，突出技术决策和业务影响
• 结合系统设计模式（如微服务、事件驱动）和具体Agent技术（如Tool Calling、Memory）来阐述架构方案
• 从工程实践角度，介绍Prompt管理、监控、灰度发布等具体手段和工具
• 请描述一个你完成的LLM Agent项目，重点介绍技术架构和挑战
• 如何设计一个高可用、可扩展的Agent服务架构来支持复杂业务场景？
• 在Agent开发中，如何进行Prompt版本管理和性能优化？
• 如何将供应链业务问题转化为Agent可执行的任务编排？
• 你熟悉哪些Agent框架？在项目中如何选择和使用？