业务技术-（急招）AI Agent应用研发工程师-淘宝搜索

优缺点分析

角色解读

• 技术专家路线：在 AI 搜索与 Agent 领域深耕，成为大模型工程与智能体架构的技术专家
• 架构师路线：从系统设计到整体架构，成长为高并发、高可用系统的架构师
• 技术管理路线：在项目中展现领导力，逐步向技术 Leader 或技术管理岗位发展
• 深度参与下一代 AI 原生与 Agentic 搜索系统的全链路建设，推动大模型与传统搜索架构融合，构建具备推理、规划与执行闭环的搜索智能体
• 设计并落地基于大模型的多智能体协同网络，打造搜索运营智能体，探索 Agent 在复杂电商策略配置与故障自愈场景中的应用
• 构建 AI 试穿与智能交互搭配平台，将生成式 AI 技术转化为亿级用户可感知的极致体验，重塑消费决策路径
• 设计并优化支持长链路 Session 状态存储、长任务调度以及大模型推理的高性能后端架构，突破高并发下的延迟瓶颈
• 扎实的计算机基础，精通数据结构、算法、数据库、分布式缓存、消息队列等，具备大型分布式、高并发、高可用系统的实战经验与架构设计能力
• 深入理解一种研发语言底层机制，具备优秀的编码能力和代码质量意识
• 有 AI 架构、大模型工程落地、Agent 框架研究和实践经验，熟悉 LLM 应用开发
• 具备搜索、推荐、广告等系统背景者优先，对复杂系统充满好奇，具备跨团队协作推动力

申请策略

• 在简历中明确表达对 AI 搜索和 Agent 技术的热情，以及希望成为复合型人才的职业规划
• 面试前深入了解淘宝搜索的业务场景和挑战，思考 AI 技术如何与业务结合
• 突出大型分布式、高并发、高可用系统的实战经验，用具体数据量化系统规模和性能指标
• 重点展示 AI 架构、大模型工程落地或 Agent 框架的实践经验，包括项目背景、技术选型和落地效果
• 强调搜索、推荐、广告等系统的背景，以及跨团队协作推动复杂项目的成功案例
• 体现对复杂系统的好奇心和改造能力，例如在大型系统中识别问题并推动优化的经历
• 系统学习主流 Agent 框架（如 LangChain、AutoGen）和大模型应用开发，了解其原理和最佳实践
• 深入理解大模型推理优化、长任务调度、分布式缓存等关键技术，并尝试在项目中应用

面试指南

• STAR 法则：清晰描述项目背景、任务、行动和结果，突出个人贡献和技术难点
• 技术深度与广度结合：在回答技术问题时，先阐述核心原理，再结合项目实践，最后提出优化思路
• 结构化表达：针对系统设计问题，从需求分析、架构设计、技术选型、性能优化等维度进行阐述
• 请介绍一个你主导的分布式系统项目，如何设计架构以支撑高并发？
• 谈谈你对 LLM 和 Agent 的理解，以及如何将其应用到搜索场景？
• 如何设计一个支持长任务调度的系统？
• 在复杂系统中，你如何平衡稳定性和创新？
• 请描述一次你通过技术手段解决复杂业务问题的经历