业务技术-大模型&Agent算法工程师-天猫技术

优缺点分析

角色解读

• 技术专家路线：持续深耕LLM与Agent领域，成为团队内或行业内的技术权威，主导复杂系统的技术架构设计
• 技术管理路线：凭借出色的项目落地和团队协作能力，逐步承担技术团队管理职责，负责更广阔的业务线AI化
• 前沿探索路线：专注于AGI、具身智能或下一代人机交互等更前沿方向的研究与产品化，推动技术边界
• 设计、优化并落地服务于电商场景（如商品运营、智能导购）的AI Agent系统，使其能完成复杂多步任务
• 对大语言模型进行领域特化训练（SFT/RL），使其更理解电商领域的专业术语、商业逻辑和用户需求
• 构建和迭代检索增强生成（RAG）系统，确保AI在回答业务问题时信息准确、可靠
• 建立模型效果的评测体系，用数据驱动的方式评估和提升算法方案的业务价值
• 必须具备扎实的大模型理论基础，理解并实践过SFT（监督微调）、RL（强化学习）等后训练方法
• 熟练掌握Python及主流深度学习框架（PyTorch/TensorFlow），具备将算法从研究原型转化为稳定服务的工程能力
• 深入了解LLM应用生态，熟悉至少一种Agent框架（如LangChain），并掌握RAG、工具调用（Tool Use）等关键技术
• 对电商业务（如运营、营销、导购）有基本理解，或能快速学习，将技术能力与业务目标对齐

申请策略

• 面试前，研究天猫现有的AI产品（如天猫精灵、淘宝问问、AI导购助手等），思考其背后可能用到的技术，并准备自己的见解
• 在面试中，主动将你的技术能力与天猫的业务场景（如商家运营、消费者体验）结合起来阐述，体现你的业务思维
• 重点突出在LLM、Agent、RAG等方向的项目经验，详细描述你负责的模块、解决的技术难题以及取得的量化业务成果
• 展示扎实的编程与算法功底，特别是Python、PyTorch的使用经验，以及对SFT、RL等训练范式的理解
• 如果有开源项目贡献、技术博客或顶会论文，将是强有力的加分项
• 如果具备电商、搜索或推荐系统相关经验，务必在简历中清晰体现
• 系统复习大模型相关技术：深入阅读Transformer、GPT系列、LLaMA等经典模型的论文和代码，掌握其原理
• 实践Agent与RAG框架：动手用LangChain等框架搭建一个简单的RAG或Agent应用，并尝试在不同数据集上优化

面试指南

• STAR法则：对于项目经验问题，清晰地使用Situation（背景）、Task（任务）、Action（行动）、Result（结果）的结构来描述，突出你的个人贡献和量化结果
• 系统化思维：对于设计类问题，先明确目标与场景，再拆解关键模块，最后讨论技术选型和潜在挑战，展现全面的思考能力
• 原理+实践结合：回答技术原理问题时，不仅要说出“是什么”，还要结合项目经验说明“怎么用”和“为什么这么选”
• 请介绍一个你参与过的完整Agent或RAG系统项目，你在其中的角色和遇到的最大技术挑战是什么？
• 如果要为一个电商客服场景设计Agent，你会如何规划其核心模块（如规划、工具调用、记忆）？
• 在大模型后训练（SFT/RL）过程中，如何设计有效的Reward Function来衡量模型在特定业务任务上的表现？
• 如何评估一个RAG系统的性能？你会设计哪些维度的评测指标？
• 你如何看待当前大模型在复杂推理和工具使用方面的局限性？有哪些可能的突破方向？