【2027校招】Product Engineer-产品工程师（AI与全栈方向）-广告工程

优缺点分析

角色解读

• 技术深度发展：深入广告算法、推荐系统或分布式系统架构，成为特定领域的技术专家
• 全栈能力拓展：成为能独立负责复杂业务模块的产品工程师，具备架构设计能力
• AI工程化专家：专注于将前沿AI技术高效、稳定地工程化落地到业务中
• 负责小红书广告业务核心系统的建设与优化，解决高并发、海量数据带来的工程挑战
• 探索并实践AI大模型技术在广告业务场景中的应用，如智能投放、创意生成等，将AI能力转化为业务价值
• 作为全栈工程师，需要理解前后端架构，打造端到端的产品体验，提升研发效率与产品质量
• 扎实的计算机基础和编程能力，熟悉至少一种主流前端或后端技术栈
• 对AI/大模型技术有强烈兴趣和学习能力，了解生成式AI的基本原理和应用场景
• 良好的工程实践能力，包括数据结构、工程化构建、代码质量和调试能力
• 业务理解与问题解决能力，能够将技术方案与用户需求、业务目标相结合

申请策略

• 在面试前，深入研究小红书的产品形态、广告产品（如信息流广告、搜索广告）和技术博客，理解业务上下文
• 准备一个能体现你‘AI+工程’综合能力的项目案例，能够清晰阐述技术选型、实现难点和业务价值
• 表现出强烈的学习意愿和自驱力，主动了解广告领域的技术挑战和AI应用趋势
• 重点展示与AI/大模型相关的实践项目、课程作业或个人探索（如使用LLM解决具体问题、AI工具应用等），即使项目规模不大，也要体现思考和动手能力
• 突出与后端（如Go/Java）或前端（如React/Vue）相关的技术栈深度和项目经验，特别是涉及高并发、复杂业务逻辑的实践
• 强调解决问题的完整闭环，即从理解问题、设计技术方案到编码实现、测试优化的全过程，体现工程素养
• 如有参与开源项目或有质量较高的个人技术博客/GitHub，会是很好的加分项
• 系统学习并实践广告系统相关的基础知识，如RTB竞价、CTR预估、计费原理等

面试指南

• 项目/技术问题回答框架：STAR原则（Situation情境、Task任务、Action行动、Result结果），重点描述你的技术决策和收获
• AI应用问题回答框架：从具体场景（如创意生成、智能定向、效果预测）出发，结合技术原理（如LLM、推荐算法）和工程实现（如服务化、评估）来阐述
• 系统设计问题回答框架：从需求分析开始，定义核心功能、数据流、关键技术点（如缓存、数据库选型、并发处理），并考虑扩展性和可靠性
• 开放性问题回答框架：展现你的结构化思维、价值观（如用户导向、质量意识）和成长性思维
• 请介绍一个你做过的最有挑战性的编程项目，遇到了什么技术难题，如何解决的？
• 你对AI/大模型技术有哪些了解？你认为AI可以如何应用在广告系统里提升效果？
• 请设计一个简单的API或系统功能，描述其技术方案和考量点
• 如果你负责的广告模块出现线上性能问题，你会如何排查和解决？