AI Agent 研发工程师

优缺点分析

角色解读

• 成为AI Agent领域的资深专家，主导核心架构演进
• 向AI产品与技术结合的复合型角色发展，推动技术商业化落地
• 在大型互联网平台的技术管理中积累深厚经验，提升全局视野
• 负责CatPaw Design核心模块开发，构建多Agent系统编排、工具接口及知识库体系
• 深入理解业务全链路，将领域知识转化为Agent的规划、决策与校验能力
• 推进Data Agent商业化建设，沉淀业务专家智能体，跟进前沿技术并推动模块上线
• 扎实的编程基础，精通Python/Java/Go之一，具备高并发分布式服务开发经验
• 丰富的LLM应用开发经验，深刻理解MCP、ReAct等Agent范式及上下文工程
• 具备跨部门协调能力，认同AI Native工作方式，能推动端到端项目落地

申请策略

• 关注美团在AI领域的最新布局与技术博客，了解其技术栈偏好
• 准备具体的Agent开发案例，重点阐述如何解决复杂业务问题及技术选型理由
• 突出LLM应用开发实战经验，特别是Agent范式（如ReAct、Plan-and-Execute）的具体落地案例
• 强调高并发、高可用分布式系统的开发与治理经验，展示技术深度
• 体现跨部门协作能力与推动项目从0到1落地的全过程经历
• 深入学习MCP协议、上下文工程、记忆机制等Agent核心组件
• 加强多Agent协作系统与自动化评测体系的理论知识与实践
• 提升对业务场景的理解能力，能够将技术能力转化为业务价值

面试指南

• 采用STAR法则（情境、任务、行动、结果）清晰描述项目背景与个人贡献
• 针对技术问题，先阐述原理，再结合实际场景分析优劣，最后给出优化方案
• 强调技术选型的思考过程，以及如何平衡技术先进性与工程落地可行性
• 请详细介绍你之前项目中Agent的设计思路与实现细节，特别是如何处理复杂任务分解？
• 在高并发场景下，如何保证LLM调用服务的稳定性与低延迟？
• 你对MCP、ReAct等Agent范式有何理解？在实际应用中遇到过哪些挑战？
• 如何设计和实现一个高效的Agent评测系统？
• 复习LLM基本原理及常见Agent范式，梳理自己的项目经验