日常实习生-业务技术-AI Agent应用开发工程师

优缺点分析

角色解读

• 从AI应用开发实习生起步，逐步深入大模型底层原理与微调技术，成长为AI Agent架构师或大模型应用专家
• 未来可向AI产品技术负责人或大模型算法专家方向发展
• 参与电商场景下AI Agent应用的研发，包括智能比价、AI问答助手等消费者端工具，以及智能客服、内容生成等商家端工具
• 负责基于大模型和LangChain等框架，开发平台级AI技术基建，提升内部研发与运营效率
• 熟练掌握Python/Java等编程语言及扎实的数据结构基础
• 深入理解大模型应用开发技术栈，如Prompt工程、RAG、Tool Calling，并熟悉LangChain等主流框架
• 了解PyTorch/TensorFlow等深度学习框架及Transformer模型原理

申请策略

• 了解阿里电商业务的最新AI应用动态，思考AI Agent如何进一步优化消费者购物体验或商家运营效率
• 突出在LangChain、RAG、Prompt工程等方面的实际项目经验，展示对大模型应用开发的深入理解
• 强调在PyTorch/TensorFlow等框架下的模型实战经验，如有微调或评测经验务必详细列出
• 深入学习AutoGen等多智能体协同框架，掌握Context Engineering等前沿AI应用技术
• 动手实现一个完整的AI Agent项目，涵盖从需求分析、工具调用到效果评测的全流程

面试指南

• 采用STAR法则（情境、任务、行动、结果）描述项目经验，重点突出技术选型原因、解决的具体问题及最终的业务或技术指标提升
• 对于原理类问题，先阐述核心概念，再结合具体代码或架构图进行解释，最后补充在实际应用中的优化策略
• 请介绍一个你使用LangChain或类似框架开发AI Agent的项目，遇到了哪些挑战？
• 在RAG系统中，你是如何优化检索召回率和生成准确率的？
• Tool Calling的实现原理是什么？如果大模型调用工具失败，你会如何处理？
• 请谈谈你对Context Engineering的理解，它与Prompt Engineering有什么区别？
• 复习大模型应用开发的核心技术栈（RAG、Agent、Prompt），并准备1-2个自己主导或深度参与的AI项目案例
• 了解阿里在AI电商领域的最新产品和技术博客，展现对业务的思考