高德-AI Agent算法专家-开平

优缺点分析

角色解读

• 在Agent领域深耕，成为技术专家，主导高德垂域Agent的技术方向
• 可向管理方向发展，带领算法团队，负责更大范围的业务效果
• 积累前沿技术经验，在AI Agent领域形成行业影响力
• 负责高德核心场景AI Agent的全链路效果，从用户提问到最终结果交付，提升任务成功率
• 构建并持续优化评估体系，包括成功率、稳定性、成本等指标，与线上真实反馈联动
• 利用高德GIS数据和工具，通过数据语义、证据链等手段增强Agent的准确性、稳定性和可解释性
• 研究垂域Agent的编排、上下文管理、记忆、工具使用、自进化等算法方案，并持续跟进前沿技术
• 扎实的算法基础，5年以上算法经验，至少1-2年LLM Agent落地经验
• 深入理解Agent主流技术，包括编排调度、上下文管理、Tool use、自进化等
• 强大的问题诊断能力，能从trace中还原决策路径，定位问题根源并给出改进方案
• 熟练使用Python，具备从数据处理、实验设计到上线验证的全流程能力

申请策略

• 关注高德地图的业务方向，了解LBS场景特点，在面试中展现业务理解
• 可以提前准备一个完整的Agent项目复盘，从问题定义到上线迭代的全链路展示
• 突出LLM Agent方向的真实落地项目，包括具体业务场景、技术方案和效果数据
• 展示评测体系构建经验，如指标定义、评测集设计、自动化评分等
• 强调问题诊断案例，说明如何从trace中定位问题并实施优化
• 体现Python全流程开发能力，如数据处理、实验设计到上线验证
• 系统梳理主流Agent技术框架，如编排、上下文管理、Tool use等，准备深入讲解
• 了解高德地图业务和GIS基本概念，思考如何与Agent结合

面试指南

• 使用STAR法则：情境-任务-行动-结果，突出个人贡献和量化效果
• 针对诊断类问题，可以给出一个结构化的分析框架，如从trace中识别决策路径，分模块排查
• 展示评估体系设计时，强调指标定义、评测集构建、自动化评分、与业务联动闭环
• 请描述一个你主导的LLM Agent落地项目，遇到了哪些关键问题，如何解决的？
• 如何设计一个Agent评估体系？你会选择哪些指标，为什么？
• 当Agent任务失败时，你如何区分是模型能力、上下文组织还是工具设计的问题？
• 谈谈你对Agent自进化或Tool use的理解和实际经验
• 如何利用高德GIS数据提升Agent效果？你有何思路？