集团安全部-AI应用研发工程师-架构与安全生产

优缺点分析

角色解读

• 可向AI架构师或AI技术专家方向发展，深入大模型应用与Agent底层架构
• 随着AI Agent在运维和自动化领域的落地，可成长为该垂直领域的业务技术负责人
• 负责运维、稳定性等领域的Agent系统设计与开发，构建Agent运行与交付体系
• 参与云资源及多场景下Agent运行时的token成本优化，提升系统效能
• 利用RAG、GraphRAG等技术进行工具调用、任务规划和记忆机制的开发与评测
• 熟悉RAG/GraphRAG及Context/Loop/Graph Engineering等主流框架，具备Agent相关开发经验
• 扎实的计算机基础，精通至少一门主流编程语言，熟悉分布式架构与并发系统
• 具备基于Coding Agent进行端到端交付的能力，以及对模型评测和可观测性的理解

申请策略

• 了解集团安全部在运维、稳定性及自动化方面的业务背景，思考Agent技术如何赋能这些场景
• 准备一些关于Coding Agent端到端交付和验收测评的个人见解或实践案例
• 突出在RAG、GraphRAG或Agent系统相关的实际项目经验，展示工具调用、任务规划等核心模块的开发成果
• 强调分布式架构与并发系统的实战经验，以及解决复杂系统调试和定位问题的能力
• 展示在成本优化、模型评测或可观测性建设方面的具体贡献和量化指标
• 深入学习Harness Engineering、Context/Loop/Graph Engineering等Agent前沿框架和理论
• 提升对大模型Token成本优化、云资源调度的理解，掌握相关的性能调优工具和方法

面试指南

• STAR法则：针对项目经验问题，按照情境、任务、行动、结果的框架，突出个人贡献和量化收益
• 结构化拆解：针对架构或优化问题，从系统分层、瓶颈分析、方案对比、落地效果等维度进行结构化解答
• 请详细介绍你参与过的Agent系统或RAG项目，你在其中负责了哪些核心模块？
• 在分布式架构和并发系统中，你遇到过最复杂的调试问题是什么？是如何定位和解决的？
• 针对Agent运行时的token成本优化，你有哪些具体的思路或实践经验？
• 你如何理解基于Coding Agent的端到端高质量交付？在验收和测评方面有哪些心得？
• 复习并梳理自己在RAG、Agent、分布式系统方面的项目细节，准备好应对深度技术追问
• 了解当前AI Agent领域的最新进展，特别是GraphRAG、Context Engineering等前沿概念