业务技术-高级AI应用研发专家-知识工程方向

优缺点分析

角色解读

• 技术专家路线：在知识工程领域深耕，成为行业顶尖专家
• 架构师路线：向企业级AI平台架构师发展，负责更复杂的系统设计
• 管理路线：培养团队，向技术管理岗位发展
• 主导企业级知识飞轮系统的架构设计与技术选型，制定从MVP到规模化的落地路线图
• 设计多源异构数据（结构化数据、文档、IM对话、知识库、事件流）的统一接入与变更感知体系
• 构建知识提取、关联推理、多模态检索与分级缓存体系，确保Agent决策的高效与精准
• 建立知识质量评测与归因体系，驱动知识飞轮的持续优化
• 精通RAG全链路技术，包括数据采集、文档解析、语义分块、向量检索、重排序
• 熟悉主流向量数据库和缓存策略设计，如分层缓存、TTL、命中率优化
• 具备大规模系统架构设计能力，熟悉分布式系统、数据治理
• 理解LLM Agent架构，能从上下文供给角度进行系统设计

申请策略

• 了解淘天集团业务场景，思考知识工程如何赋能业务
• 准备项目案例，突出效果量化
• 突出RAG全链路项目经验，包括数据采集、检索、评测优化
• 强调知识飞轮或数据飞轮建设成果，用数据量化提升
• 展示多源异构数据治理和缓存策略设计经验
• 体现跨团队协作和架构设计能力
• 深入学习LLM Agent架构和上下文工程
• 熟悉主流向量数据库和缓存系统

面试指南

• STAR法则：情境、任务、行动、结果，突出量化成果
• 技术深度+业务价值：展示技术方案如何解决业务问题
• 系统思维：从整体架构角度回答，体现全局观
• 请描述你主导的RAG系统架构，如何保证检索质量和效率？
• 如何设计知识飞轮闭环，如何评测知识质量？
• 如何处理多源异构数据的统一接入和冲突消解？
• 如何设计缓存策略以平衡响应速度和知识时效性？
• 如何从Agent视角设计知识供给系统？