AI Agent 工程师｜工程架构 / 业务应用开发方向

优缺点分析

角色解读

• 在AI Agent应用领域深耕，成为技术专家，主导核心框架设计
• 向技术管理方向转型，带领团队完成业务和平台建设
• 横向扩展至AI产品、算法理解，成为跨领域的AI应用架构师
• 设计和开发面向商家的AI Agent应用，覆盖经营、商品、订单、客服、营销等场景
• 参与Agent基础框架建设，包括任务编排、工具调用、记忆机制、权限控制等核心模块
• 将商家业务流程抽象为可复用的Agent能力和组件，并与内部系统集成
• 与产品、算法、运营团队协作，从需求识别到上线迭代全程参与
• 扎实的后端开发能力，熟悉Java/Go/Python/TypeScript至少一种
• 深入理解LLM应用开发范式，掌握Prompt Engineering、RAG、Function Calling、Agent Workflow
• 具备B端产品或SaaS系统建设经验，熟悉商家后台、CRM、工作流系统等
• 良好的抽象和平台化能力，能够从业务场景中沉淀通用框架

申请策略

• 准备一个完整的Agent应用案例，包括架构设计、实现细节和效果评估
• 关注美团技术博客，了解其AI Agent布局
• 突出B端业务系统建设经验，如SaaS、CRM、商家后台等
• 详细描述LLM相关项目，特别是Agent、RAG、Function Calling实践
• 展示平台化和抽象能力，如设计过通用框架或组件
• 强调跨团队协作和业务理解能力
• 深入学习和实践LangChain、AutoGPT等Agent框架
• 补充Prompt Engineering和RAG的最佳实践

面试指南

• 对于设计类问题，先明确业务场景和用户需求，然后分模块阐述架构（感知、规划、执行、记忆等），最后强调技术选型和异常处理
• 对于技术细节问题，结合项目经验，先讲原理再举例，突出优化和落地效果
• 请谈谈你对AI Agent的理解，以及它与传统RPA的区别
• 设计一个面向商家的智能客服Agent，包括功能、架构和关键技术
• 如何实现Agent的工具调用？请举例说明Function Calling的流程
• 如何评估Agent应用的效果？你会关注哪些指标？
• 描述一个你参与过的复杂后端系统，你如何做架构设计？
• 复习LLM基础，特别是Transformer、Prompt、RAG等概念