软件开发岗

优缺点分析

角色解读

• 技术专家路线：深耕AI Agent和大模型应用，成为领域专家
• 架构师路线：参与更宏观的系统架构设计，负责核心平台规划
• 技术管理路线：后续可带领小团队，向技术经理发展
• 设计和研发面向C端的AI Agent基础设施，包括智能化工作流和智能体系统
• 利用LangGraph、多Agent协同等技术构建具备长记忆和工具自主调用能力的系统
• 打造智能巡检与自愈Agent，实现端侧体验问题的全天候根因分析和主动修复
• 将Agent能力集成到交互引擎编辑器，实现资产的智能化转换和性能校验
• 精通LangGraph、大模型及多Agent协同框架，能设计复杂智能体系统
• 具备高并发系统架构经验，熟悉灰度策略、多端动态渲染和性能优化
• 掌握端到端性能保障和异常自动发现、自愈机制的设计
• 具备复杂系统的归因分析能力，能从多环节中定位根因并优化

申请策略

• 在简历中量化成果，如将Agent上线后效率提升百分比、异常修复时间缩短等
• 了解京东零售的业务场景，思考AI Agent如何提效营销和用户体验，面试时展现业务理解
• 突出AI智能体相关项目经验，如构建过Agent框架、工作流系统或自动化工具
• 强调高并发系统设计案例，尤其是灰度策略、多端渲染和性能优化方面的成果
• 展示参与或主导的端到端性能保障或异常自愈机制的实践
• 列出熟悉的技术栈，如LangGraph、大模型、多Agent框架等
• 深入掌握LangGraph框架及Agentic Workflow设计模式
• 补充大模型微调、RAG及工具调用（Function Calling）的实践经验

面试指南

• 对于系统设计题，采用STAR原则：场景（Situation）、任务（Task）、行动（Action）、结果（Result），并突出技术决策和权衡
• 对于Agent实现题，从需求出发，先明确Agent的能力边界，再设计状态机或图结构，最后讨论异常处理和性能优化
• 对于性能优化题，先明确指标，再分析瓶颈，最后给出具体方案并验证效果
• 请描述你设计的一个多Agent协作系统，如何解决状态管理和通信问题？
• 在高并发场景下，如何设计一个灰度策略并保证系统的稳定性？
• 如果端侧出现性能问题，Agent如何实现自动发现和自愈？请举例说明
• LangGraph框架中，你的智能体是如何调用外部工具并处理错误的？
• 如何衡量AI代码覆盖率提升的效果？具体有哪些实践？