阿里云智能-AI Native Application 产品解决方案架构师（PDSA）-AI Native Application

优缺点分析

角色解读

• 可向AI产品专家、高级解决方案架构师方向发展，成为垂直行业（如金融、政务）的AI转型顾问
• 也可转向AI原生应用的产品管理或技术负责人角色
• 深入客户现场，理解其研发流程痛点，特别是代码生成和自动化测试场景
• 设计基于大模型的Agent架构，打通企业内部数据与工具链
• 搭建PoC原型验证可行性，并推动从试点到规模化落地的全过程
• 具备大模型应用开发能力，熟悉LangChain等框架，能独立开发Agent原型
• 拥有深厚的解决方案架构经验，能处理私有化部署、安全合规等技术难点
• 优秀的沟通协调能力，能连接业务方与技术团队

申请策略

• 准备1-2个详细的AI应用落地案例，重点讲述如何解决客户实际问题及带来的价值
• 展现你对AI Coding/Agent领域的独到见解和行业趋势判断
• 突出展示你过去主导过的复杂解决方案案例，特别是涉及AI、大模型或自动化研发的 projects
• 强调你在PoC阶段的具体贡献，如原型搭建、性能优化、成本控制等量化成果
• 深入学习主流LLM框架（如LangChain, LlamaIndex）及Agent开发最佳实践
• 了解常见企业级私有化部署方案及安全合规要求
• 提升对研发效能工具链（如GitLab, Jenkins, SonarQube）的理解

面试指南

• 采用STAR法则（情境、任务、行动、结果）描述过往项目
• 重点突出技术选型的理由、遇到的具体挑战及解决方案、最终的业务价值（如效率提升百分比、成本降低金额）
• 对于架构设计类问题，展示系统性思维，考虑安全性、可扩展性和易用性
• 请分享一个你主导的AI或大模型应用落地案例，你是如何设计架构并解决技术难点的？
• 在面对客户严格的安全和私有化部署要求时，你会如何设计Agent的数据交互和权限控制方案？
• 如果PoC验证结果显示AI生成的代码质量不如预期，你会如何调整方案或与客户沟通？
• 你认为当前AI Coding工具在企业推广中的最大障碍是什么？如何解决？
• 复习大模型基本原理及最新进展（如RAG, Fine-tuning, Agent模式）