灵犀互娱-宣发Agent开发工程师-宣发技术

优缺点分析

角色解读

• 技术专家路线：深耕AI Agent与RAG技术，成为该领域的系统架构师或技术专家
• 技术管理路线：凭借技术领导力，向技术负责人（Tech Lead）或团队管理者方向发展
• 业务架构路线：深度理解游戏宣发业务，成为连接AI技术与业务增长的复合型人才
• 将宣发业务需求转化为可上线的AI Agent产品，负责全生命周期管理
• 对Agent系统进行工程化改造，保障其在真实业务环境中的稳定性、可靠性和可观测性
• 设计并优化RAG知识库和Agent编排架构，解决检索、对话、工具调用等核心问题
• 建立Agent效果评测体系，通过数据分析和BadCase归因，驱动系统持续迭代改进
• AI Agent系统开发与工程化能力，能理解架构模式（如ReAct）并解决生产环境问题
• 扎实的后端工程基础，精通至少一门主流语言（Java/Python/Go），熟悉分布式系统设计
• RAG全流程技术能力，包括文档处理、向量检索、Rerank及效果调优
• 系统设计与技术领导力，能独立负责复杂模块设计，并能提炼规范、指导团队

申请策略

• 在申请时或面试中，表达对“AI技术赋能具体业务场景”这一方向的兴趣，而不仅仅是追逐技术热点
• 准备好讨论一个你主导或深度参与的、涉及复杂技术决策和跨角色协作的项目案例
• 突出“AI原型到生产环境”的完整项目经验，描述你解决了哪些稳定性、效果评估等工程问题
• 详细阐述在RAG系统构建、检索效果优化方面的具体工作与成果
• 展示Java/Python/Go后端开发能力，以及在分布式、高并发系统中的设计经验
• 如果有带队评审、制定技术规范或推动团队工具链建设的经历，务必体现
• 系统复习LLM Agent的主流架构模式（如ReAct）和RAG技术细节，以便在面试中进行深度讨论
• 准备一个关于系统可观测性设计或从BadCase中驱动改进的案例

面试指南

• 使用STAR法则（情境、任务、行动、结果）来结构化你的项目经验，尤其突出“行动”部分的技术细节和你的思考
• 对于系统设计类问题，遵循“分析需求 -> 高层架构 -> 核心组件 -> 关键考量（如扩展性、可靠性）”的框架
• 在回答技术领导力问题时，强调“基于数据/原理的判断”、“推动达成共识的方法”以及“最终产出的积极影响”
• 请描述一个你将AI原型或POC转化为生产级系统的经历，过程中遇到了哪些最大的工程挑战？你是如何解决的？
• 你如何设计一个RAG系统来提升特定业务场景（如宣发文案生成）的效果？请谈谈你的chunking策略和检索优化思路
• 在Agent系统中，如何设计一个容错降级机制来应对LLM调用超时或返回幻觉内容？
• 如何构建一个自动化评测体系来评估Agent系统的整体效果（包括准确率、召回率、幻觉率）？
• 请分享一次你在技术方案评审中，基于技术判断坚持或改变方向的案例