【2027校招】大模型 Agent 开发工程师（AI Coding方向）

优缺点分析

角色解读

• 技术专家路线：深耕AI与软件工程交叉领域，成为代码智能体、AI辅助开发领域的资深专家或架构师
• 技术管理路线：在成为核心技术骨干后，可转向团队技术管理，带领团队攻克更复杂的AI落地挑战
• 产品化路线：深入理解开发者工具需求，将技术能力转化为影响广泛的AI编程产品
• 你将负责设计和实现一套工程框架（Coding Harness），专门用于提升大语言模型在理解和生成复杂客户端代码方面的表现
• 你需要深入研究AI Agent编排、上下文工程等前沿技术，并将其应用于代码生成领域，构建一个能自主执行、验证和修正代码的智能体系统
• 你的工作将涉及对大型代码库的深度分析，构建代码语义和依赖关系模型，以增强LLM对工程项目的整体理解能力
• 你将建立一套评测体系，通过真实构建和测试的反馈循环，持续衡量并改进AI编程工具的输出质量
• 具备深厚的计算机科学基础，精通C/C++、Python等编程语言，熟悉数据结构与算法，能处理复杂工程问题
• 理解软件工程原理，有处理大型、遗留代码库的经验，了解构建系统、模块依赖等工程化知识
• 熟悉大模型技术栈，包括自然语言处理、强化学习（RL）等，对AI Agent、Prompt Engineering等概念有认知
• 具备将复杂问题抽象并转化为可验证技术方案的能力，拥有出色的科研和工程落地潜力

申请策略

• 深入研究小红书的技术博客、开源项目（如有），了解其技术栈和业务特点，在面试中展现你的调研和思考
• 准备一个能体现你解决复杂工程问题思维的故事，用STAR法则清晰地描述问题、你的行动和最终结果
• 关注AI辅助编程领域的最新动态和发展趋势，思考该岗位可能面临的挑战和未来方向，形成自己的见解
• 重点突出与AI、大模型相关的课程项目、科研经历或竞赛经验，尤其是涉及代码生成、NLP或强化学习的成果
• 详细描述一个处理过大型代码库或复杂工程问题的项目经历，展现你的工程理解和抽象能力
• 在技能部分明确列出Python、C++等语言熟练度，以及对Git、Linux等开发工具的熟悉程度
• 如有在顶级会议/期刊发表的论文或专利，务必重点标注，这是重要的加分项
• 系统学习和实践AI Agent、Prompt Engineering、RAG（检索增强生成）等相关技术栈，阅读相关论文和开源项目

面试指南

• 对于工程问题类问题，采用“问题定义-技术分析-方案设计-实施验证-总结反思”的框架，重点展示你的抽象能力和工程思维
• 对于技术概念设计类问题，从目标（要解决什么问题）、核心组件（如规划、执行、反馈）、技术挑战（如反馈信号如何获取）和评估方法等角度展开
• 对于结合个人经验的问题，使用STAR法则，清晰描述情境、任务、行动和结果，并突出你从中学到的可迁移技能
• 请描述一个你处理过的复杂代码工程问题，你是如何分析和解决的？
• 你如何理解AI Coding Agent中的‘执行与验证闭环’？如果让你设计，你会考虑哪些关键环节？
• 在提升LLM对大型代码库的理解方面，除了代码本身，你认为构建‘工程级上下文’还需要哪些信息？
• 请谈谈你对‘强化学习’在提升代码生成质量中的作用的理解，或者结合你相关经验举例说明
• （针对有论文者）请简要介绍你的论文工作，以及这项研究对AI编程工具可能有哪些启发？