晓天衡宇-Agent开发工程师-语音数据

优缺点分析

角色解读

• 在阿里内部，可以从Agent开发工程师向技术专家或架构师方向发展，深入AI基础设施领域
• 随着Agent技术的普及，可转向AI平台架构、AI产品研发等方向，成为团队核心
• 积累大规模数据处理和AI工程经验后，可向技术管理岗位发展，带领团队
• 负责构建语音数据处理的Agent能力底座，包括智能体框架、编排、调度与状态管理，实现数据生产、标注、质检等任务的自动化
• 将现有语音数据流程改造为AI-Native自动流水线，设计可配置的pipeline槽位，使数据处理策略可插拔
• 集成和封装judge、算子、生成等模型作为Agent工具，实现聚合、分歧检测、软标签等增强功能
• 沉淀可复用的Agent工具链，与标注平台和推理引擎对接，确保系统规模化、可观测和稳定运行
• 扎实的计算机基础，熟悉Python编程，具备良好的工程实践能力
• 深入理解LLM和Agent编排技术，如function-calling、工具调用、多智能体调度
• 熟悉pipeline/workflow引擎、模型推理服务或MLOps相关技术
• 有持续使用大模型的经验，认同Agent-driven的数据处理理念

申请策略

• 了解阿里巴巴在AI基础设施方面的布局，特别是语音数据方向
• 在面试中展示对Agent技术的热情和思考，如对Agent编排的见解
• 突出LLM或Agent相关项目经验，如使用LangChain、LangGraph等框架
• 强调Python编程能力和系统设计经验，如有pipeline或MLOps项目更佳
• 展示对Agent技术的理解和实践，如function-calling、多智能体调度
• 如果有语音数据处理或标注平台经验，务必突出
• 深入学习LangGraph、vLLM等框架，了解其原理和应用
• 补充MLOps知识，了解模型部署、监控和运维

面试指南

• 使用STAR法则，清晰描述项目背景、任务、行动和结果
• 结合具体技术细节，展示对Agent技术的深入理解
• 强调系统设计和工程能力，体现可扩展性和稳定性
• 请介绍一个你使用LLM或Agent框架的项目，遇到了哪些挑战？
• 如何设计一个可扩展的Agent编排系统？
• 谈谈你对function-calling的理解，以及如何实现？
• 如何保证Agent系统在大规模数据下的稳定性和可观测性？
• 你对Agent驱动的数据处理有什么看法？