大众点评-Agent 开发工程师

优缺点分析

角色解读

• 技术深度：深耕Agent系统架构、多模型协同、复杂场景工程化等方向，成为领域专家
• 技术广度：可向算法（如RLHF、模型优化）、产品经理或技术管理方向拓展，具备全链路视野
• 业务影响：随着业务发展，你的工作将直接影响亿万用户的点评体验和商户服务，技术价值能被充分放大
• 负责大众点评内基于大模型的智能体（Agent）的架构设计、核心循环（Agent Loop）开发和工程化落地
• 构建和维护Agent使用的工具集（Tools）与技能（Skills），使其能理解和执行复杂的用户请求
• 通过评测体系和数据分析，持续优化Agent在真实业务场景中的表现和稳定性
• 参与前后端功能开发，并与产品、算法等多方团队紧密协作，完成产品从设计到上线的全流程
• 扎实的全栈开发能力，精通Python后端开发，熟悉Node.js和Java，并能快速学习和应用新技术
• 深入理解大语言模型（LLM）、检索增强生成（RAG）、强化学习（RL）等AI核心概念及其工程实践
• 具备实际的Agent开发或相关项目经验，理解其上下文管理、任务规划等关键机制
• 能高效利用Codex、Cursor等AI编程工具，并对AGI和AI Native工作方式有热情和思考

申请策略

• 仔细研究美团在AI和本地生活结合方面的产品（如智能客服、评价分析、智能推荐），思考Agent技术如何能应用其中
• 面试中可准备一个自己做过的、最能体现系统设计和AI工程化能力的项目，进行深入讲解
• 突出任何与Agent、LLM应用、RAG相关的项目或实践经验，详细描述你负责的具体模块、解决的工程难题和带来的效果
• 强调你的全栈技能，特别是Python后端经验，以及与Node.js、Java相关的项目经历
• 列出你熟练使用的AI编程工具（如Cursor, Copilot），并可简要说明如何用它们提升开发效率
• 展示良好的工程素养，例如对系统稳定性、可维护性的思考，或通过评测驱动优化的案例
• 系统学习并实践一个完整的Agent框架（如LangChain、LlamaIndex），理解其核心设计思想
• 深入理解主流大模型（如GPT系列、Claude、开源模型）的API特性、局限性及微调、量化等概念

面试指南

• 采用STAR法则（情境、任务、行动、结果）来组织回答，突出你的思考和贡献
• 对于架构设计类问题，先阐述核心组件（如规划器、执行器、记忆、工具）和它们之间的交互流程
• 强调你的工程化思维，即如何将理论或原型转化为稳定、可维护、可监控的线上系统
• 请描述一个你参与过的Agent或LLM应用项目的架构，你负责了哪些部分？遇到了哪些技术挑战？
• 如何设计一个可靠的Agent Loop，以处理用户模糊、多变的需求并确保任务完成？
• 在工具（Tools）调用失败或返回异常结果时，Agent系统应如何进行容错和降级处理？
• 如何评估一个Agent系统的效果？你会关注哪些核心指标？如何分析Bad Case？
• 你如何看待大模型在Agent中的作用？它与传统规则引擎或确定性算法结合时，有哪些需要注意的点？