企业智能事业部-AI研发工程师-评测体系与Agent自进化

优缺点分析

角色解读

• 技术深度路径：深耕AI Agent与评测技术，成为该领域的技术专家，主导复杂技术难题攻关
• 技术广度/架构路径：向全栈或架构师方向发展，负责更庞大的系统设计与技术选型
• 技术管理路径：凭借项目经验和领导力，走向技术Team Leader或技术经理岗位，负责团队管理和业务规划
• 设计并实现基于LLM的AI Agent产品核心模块，特别是处理文档提取、结构化、审核的Agent链路
• 运用AINative思维，分析并重塑企业内部业务流程，提升自动化与智能化水平
• 构建和完善AI Agent的评测体系，建立产品反馈闭环，以持续优化模型和产品效果
• 参与制定该技术方向的长期技术路线图，推动技术方案在经营自动化、复杂决策等场景的落地
• 精通Java或Python编程，具备扎实的数据结构与算法能力，拥有3年以上开发经验
• 熟练掌握LLM、RAG、Prompt Engineering、MCP等AI应用开发技术，有实际AI项目落地经验
• 具备优秀的系统架构设计能力，熟悉分布式中间件（缓存、MQ等）和数据库，能设计高可用、高扩展的系统
• 拥有强烈的业务理解能力和快速原型验证（FDE）特质，能将技术能力与业务问题紧密结合

申请策略

• 在面试前，仔细研究阿里巴巴企业智能化、通义千问等相关产品线，思考其技术挑战与机会
• 准备一个能体现你‘FDE’特质的案例，展示你如何快速验证想法并解决实际业务问题
• 重点突出参与或主导的AI相关项目经历，特别是涉及LLM、Agent、RAG等技术的应用案例和成果
• 清晰阐述你所设计的系统架构，尤其是处理高并发、高可用、可扩展性方面的实践经验
• 强调你深入理解业务需求，并通过技术手段实现业务价值或效率提升的具体事例
• 系统性地学习和实践LLM应用开发全栈技术，包括主流框架（如LangChain, LlamaIndex）和工程化部署方案
• 深入研究AI Agent的设计模式、规划策略及评测方法论，构建自己的知识体系

面试指南

• 对于项目经验问题，采用STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)，突出技术决策和量化成果
• 对于架构设计问题，先阐述整体思路（如分层、模块化），再详述关键技术选型（中间件、数据库）和保障机制（缓存、限流、降级）
• 对于业务重塑问题，先描述你对业务痛点的理解，再说明如何利用AI技术（如Agent规划、多模型协同）重构流程，最后对比效果
• 请介绍一个你过去参与过的AI项目，你在其中负责了哪些核心模块的设计与实现？
• 如何设计一个能够准确提取并结构化复杂业务文档的AI Agent？你会如何设计其评测体系？
• 在大型系统中，如何保证AI服务（如LLM调用）的高性能、高可用和可扩展性？
• 面对一个复杂的业务流程，你会如何运用AINative的思维进行分析和重塑？
• 你认为当前大模型应用（如Agent）在企业级落地最大的挑战是什么？你有什么思路？