算法开发岗

优缺点分析

角色解读

• 纵向可成长为大模型/Agent领域的技术专家，主导核心算法架构设计
• 横向可向AI业务负责人或技术管理方向发展，带领团队解决复杂供应链业务问题
• 负责供应链场景下的大模型能力建设，包括数据体系构建、模型后训练与评测
• 设计并落地智能代理（Agent），实现经营分析、预测、补货等场景的自主执行
• 构建模型训练、样本构建及代理框架的平台化能力，推动前沿技术在业务中的工程化落地
• 扎实的大模型研发能力，精通模型后训练、推理优化及评测体系建设
• 具备Agent设计与工程落地经验，熟悉任务规划、工具调用及工作流设计
• 较强的业务抽象能力，能将供应链业务需求转化为模型解决方案

申请策略

• 在面试中展现出对京东供应链业务的理解，以及技术如何赋能业务的思考
• 重点突出大模型后训练、微调及评测体系建设的完整项目经验
• 详细展示Agent设计、任务规划、工具调用等工程落地案例及实际业务收益
• 强调将AI技术应用于复杂业务场景（如供应链、电商等）的抽象与解决能力
• 深入学习主流Agent框架（如LangChain, AutoGen等）及多智能体协同技术
• 补充供应链领域知识，了解经营分析、预测、补货等核心业务逻辑

面试指南

• STAR法则：针对项目经验，从情境、任务、行动、结果四个维度结构化回答，突出技术难点与业务收益
• 架构设计思路：针对方案设计题，从业务理解、数据准备、模型选型/设计、工程落地、评测迭代五个步骤展开
• 请详细介绍你参与过的大模型后训练或微调项目，遇到了哪些挑战及如何解决？
• 在Agent设计中，你是如何进行任务规划与工具调用的？如何处理多步推理中的错误累积？
• 如果要将大模型应用于供应链的补货或预测场景，你会如何设计整体技术方案？
• 如何构建一个大模型的评测体系？你会关注哪些核心指标？
• 复习大模型微调（SFT, RLHF, DPO等）及Agent核心原理，准备1-2个深度项目案例
• 提前了解京东零售供应链的基本业务逻辑，思考大模型在其中的应用场景与痛点