AI Agent 工程师（AI开放与生态）

优缺点分析

角色解读

• 技术专家路线：深入AI Agent底层架构，成为智能体引擎领域的资深专家
• 技术管理路线：带领团队负责AI平台的整体技术演进，晋升为技术Leader
• 业务融合路线：结合小红书业务场景，推动AI技术创新与业务增长
• 设计和研发AI Agent核心架构，包括智能体编排引擎、意图分发路由和多轮对话管理系统
• 搭建Agent运行时底层框架，实现任务流程编排、ReAct推理循环和会话上下文管理
• 标准化Agent工具调用协议，实现工具的声明式接入和自动注册
• 负责大模型应用工程化，包括提示词体系、流式推理优化和多模型路由
• 扎实的机器学习和大模型基础，熟悉全参微调、LoRA等微调方法
• 精通后端技术栈：存储、缓存、消息队列、微服务等
• 具备Prompt优化、RAG搭建和Agent设计与落地经验
• 熟悉大模型+后端融合，包括模型服务封装、性能压测和高可用优化

申请策略

• 了解小红书业务（如社区、电商），思考AI Agent如何赋能业务增长
• 准备一个完整的Agent项目案例，从设计到落地的详细过程
• 突出大模型项目经验，尤其是Agent、RAG、微调等实际落地案例
• 强调后端架构设计能力，如高并发、性能优化、系统稳定性治理经验
• 展示跨部门协作和复杂问题解决能力，最好有具体成果
• 深入掌握ReAct、Function Calling等Agent框架原理
• 熟悉主流大模型API和微调框架（如LoRA、QLoRA）
• 提高系统设计能力，包括分布式系统、消息队列、缓存等

面试指南

• STAR法则：描述情境、任务、行动和结果，突出技术难点和你的贡献
• 对比方案：阐述不同技术方案的优劣，展示你的技术判断力
• 量化效果：用指标（如延迟降低、QPS提升）证明工作成效
• 请描述一次你设计AI Agent架构的经历，包括技术选型和遇到的挑战
• 如何优化大模型推理性能？请举例说明
• 在微调大模型时，你如何处理数据质量和过拟合问题？
• 如何设计一个高可用的Agent工具调用协议？
• 请解释ReAct推理循环的工作原理，并说说如何提升其效率