ATH事业群-AI 应用开发专家-伶鹊-杭州/北京

优缺点分析

角色解读

• 技术专家路线：成为ConvAI或大模型应用架构领域的资深专家，主导公司级AI基础设施规划
• 技术管理路线：转向Team Leader或技术总监，带领团队攻克更复杂的AI工程化难题
• 业务融合路线：深入理解行业痛点，转型为懂技术的业务负责人，推动AI产品在垂直行业的落地
• 设计并开发企业级语音与对话Agent平台的核心后端架构，确保系统的高可用性和低延迟
• 将LLM技术（如RAG、Prompt Engineering）工程化落地，解决复杂任务编排和工具调用问题
• 优化高并发场景下的系统性能，建立数据闭环以持续迭代Agent能力
• 跟踪ConvAI前沿技术，推动AI技术在商业场景中的实际应用
• 精通Java及分布式系统设计，熟练掌握MySQL、Redis、Spring Cloud等主流中间件
• 深入理解LLM原理（Transformer等）及RAG全链路技术，熟悉LangChain等开发框架
• 具备优秀的系统抽象能力和架构演进思维，能应对未来业务扩展需求
• 拥有强烈的业务Owner意识，能跨团队协作推动技术商业化

申请策略

• 准备详细的项目案例，重点阐述如何在实际业务中解决LLM应用的延迟、准确性和成本问题
• 展现对ConvAI领域的深度思考，不仅仅是使用API，而是理解其底层逻辑和架构设计
• 突出Java高并发系统架构经验，列举处理过高流量、低延迟系统的案例
• 重点展示LLM应用落地经验，特别是RAG、Agent编排、Prompt优化等方面的具体实践和成果
• 强调系统稳定性保障能力，如全链路监控、故障排查、性能优化等实际案例
• 深入学习LangChain、Semantic Kernel等主流LLM开发框架的原理与实践
• 掌握向量数据库（如ES、Milvus等）在RAG中的应用技巧
• 了解多模态交互和Agentic Workflow的最新技术动态

面试指南

• STAR法则：情境-任务-行动-结果，清晰描述项目背景、你的角色、采取的技术手段及最终量化成果
• 技术深度：不仅讲“怎么做”，更要讲“为什么这么做”，体现架构权衡和思考过程
• 业务视角：将技术方案与业务价值（如用户体验提升、成本降低）挂钩，展现Owner意识
• 请分享一个你主导设计的复杂分布式系统架构，你是如何保证高可用性和低延迟的？
• 在RAG系统中，如何解决检索准确性差和幻觉问题？请结合具体案例说明
• 面对大模型应用的高并发场景，你会如何进行系统优化和成本控制？
• 如何看待Agent在未来企业级应用中的发展趋势？你认为当前的技术瓶颈在哪里？
• 复习Java并发编程、JVM调优及分布式系统经典理论（CAP、BASE等）