千问办公-算法工程师-AI办公

优缺点分析

角色解读

• 技术专家路线：在智能体、大模型后训练等方向深耕，成为领域专家
• 技术管理路线：积累项目经验后，可转向技术 Leader 或团队管理岗位
• 横向发展：可转向产品、解决方案或 AI 架构师等岗位，拓展职业宽度
• 设计并优化办公场景下的智能体核心算法，包括任务规划、工具调用和记忆调度，提升智能体的自主决策与执行能力
• 构建模型记忆系统，运用 RAG、向量检索等技术，为智能体提供可靠的知识获取与上下文召回能力
• 负责大模型后训练，包括 SFT、DPO、RLHF 等，提升模型在办公场景中的稳定性与准确性
• 参与多模态能力建设，将大模型适配到 AI 文本生成、代码生成、文生图等办公产品功能中
• 扎实的编程基础，熟练掌握 Python 及主流深度学习框架（如 PyTorch、TensorFlow）
• 对大模型、智能体、RAG 等核心技术有系统性认知，并在至少一个 AI 领域（CV/NLP/语音）有深入理解
• 具备工业级项目落地经验，熟悉 Agentic Workflow、模型评测体系与数据飞轮建设
• 自驱力强，具备优秀的跨部门沟通与协作能力

申请策略

• 了解阿里巴巴千问办公的业务方向，准备相关的项目案例
• 在面试中展示对智能体、大模型技术的深入理解和实践经验
• 突出大模型、智能体、RAG 等相关的项目经验，特别是工业级落地案例
• 强调在顶级会议或竞赛中的成果，如论文发表、竞赛获奖
• 展示编程能力和开源项目贡献，如 GitHub 上的 AI 项目
• 量化项目成果，如模型效果提升、性能优化等
• 深入学习大模型后训练技术，如 SFT、RLHF、DPO
• 熟悉 Agentic Workflow 和 RAG 的工程实现，了解主流框架

面试指南

• STAR 法则：描述项目背景、任务、行动和结果，突出技术难点和解决方案
• 对比分析：在回答技术选型问题时，对比不同方案的优缺点，并说明选择理由
• 量化思维：用数据说明效果，如准确率提升、延迟降低等
• 请介绍一个你主导的智能体项目，如何设计任务规划和工具调用？
• 如何构建一个高效的 RAG 系统？如何处理长文档和复杂查询？
• 在模型后训练中，如何选择 SFT 和 RLHF？如何评估效果？
• 如何设计一个评测体系来评估办公场景下的智能体效果？
• 如何将多模态能力适配到具体的办公产品功能中？