AI Agent 平台高级算法工程师

优缺点分析

角色解读

• 在京东AI核心团队深耕Agent技术，成为LLM应用落地专家
• 可向技术架构师或AI团队负责人方向发展，带领团队攻克更复杂的AI系统
• 积累大模型全栈经验（数据、训练、推理、评估），具备行业顶尖竞争力
• 研发基于LLM的Agent决策引擎，优化ReAct、CoT等规划框架，提升复杂业务场景的鲁棒性
• 构建高性能RAG系统，优化向量检索与重排序，确保Agent精准获取业务知识
• 推进模型微调（SFT/RLHF/DPO）与推理部署，解决多工具调用冲突与幻觉问题
• 搭建自动评估体系，利用模拟器或LLM-as-a-judge实现算法快速迭代
• 扎实的LLM理论基础，熟悉PyTorch/DeepSpeed等框架，有大规模模型微调经验
• 熟悉LangChain、AutoGPT等开源框架底层原理，具备Agent实际落地案例
• 优秀的Coding能力，能将前沿论文快速转化为高效生产代码，关注性能与延迟
• 具备多模态感知、长期记忆、自主规划等前沿技术研究与工程能力

申请策略

• 提前了解京东AI的业务方向（如供应链、客服、营销），在面试中展现业务理解
• 准备一个完整的Agent项目案例，从问题定义到上线效果，体现闭环思维
• 突出LLM微调（SFT/RLHF/DPO）和推理优化项目，附上量化指标
• 重点展示Agent相关项目，包括框架选择、多工具调用、RAG等实际案例
• 强调Coding能力与工程落地经验，可附GitHub或技术博客链接
• 如有顶会论文或竞赛奖项，务必显著列出
• 系统学习LangChain、LangGraph等框架源码，理解Agent内部机制
• 实践多模态Agent或复杂业务流程自动化项目，积累经验

面试指南

• 用STAR原则描述项目：情景、目标、行动、结果，突出关键技术决策
• 针对技术对比题，分维度（灵活性、性能、易用性）展开，结合业务场景
• 评估类问题：先明确目标，再说明离线/在线指标，最后提出迭代方案
• 请详细描述你设计过的Agent系统，包括规划、工具调用、记忆管理等模块
• 如何解决LLM在复杂多步任务中的幻觉和错误累积问题？
• 请比较LangChain和AutoGPT的底层架构差异，并说明适用场景
• SFT与RLHF在Agent场景下如何选择？请举例说明
• 如何评估一个Agent系统的性能？你会设计哪些指标？