【REDstar】Agent 应用算法工程师-创新业务

优缺点分析

角色解读

• 技术专家路径：深耕Agent技术，在特定方向（如规划、评测、多模态Agent）成为领域专家，影响技术架构
• 产品技术融合路径：凭借对用户和产品的理解，成长为能主导AI功能设计与落地的技术产品经理
• 团队管理路径：在带领小团队攻坚AI创新项目后，向算法团队负责人或技术经理方向发展
• 设计和优化LLM Agent的核心能力，使其能理解、规划并执行复杂的用户任务
• 构建Agent评测体系和数据管线，通过实验和数据分析持续提升Agent性能
• 跟踪AI前沿技术，将最新的论文和开源项目快速转化为可行的原型方案
• 与产品和工程团队紧密合作，将模型能力集成到真实的产品功能中，推动业务增长
• 扎实的机器学习/深度学习理论基础，特别是对Transformer架构和LLM原理有深入理解
• 熟练的Python编程能力，以及PyTorch、Transformers等主流AI框架的实战经验
• 对RAG、Tool Use、Planning等Agent相关技术方向有实践认知或深入学习经验
• 强大的自驱力和快速学习能力，能够独立完成从技术调研到原型开发的闭环

申请策略

• 在投递前，深入研究小红书的产品（如社区内容推荐、笔记生成、电商助手等），思考Agent技术可以在哪些环节创造新价值
• 在面试中，除了展示技术能力，更应表现出你对‘技术如何服务于产品和用户’的理解，这与‘创新业务’的定位高度契合
• 准备好讨论你对Agent技术局限性的思考，以及在实际业务中可能遇到的挑战和你的应对思路
• 详细描述你使用LLM/Agent相关技术（如RAG、Prompt Engineering、Agent框架）完成的项目，突出从问题定义到效果验证的完整过程
• 如果有相关论文、技术博客、或高质量的开源贡献，请务必在简历中突出展示
• 强调你的工程实现能力，例如如何优化推理速度、构建评测框架、或处理复杂数据管线
• 展示你快速学习和探索新技术的成果，例如对某项前沿技术的复现或调研报告
• 系统性地复习和深化LLM、Transformer、Prompt Engineering等基础知识，确保原理层面理解透彻

面试指南

• 使用STAR原则（情境、任务、行动、结果）来结构化地描述你的项目经验，重点突出你的个人贡献和解决问题的思路
• 回答技术原理问题时，先阐述核心概念，再结合实例或你的理解进行分析，展现思考深度
• 对于开放性问题（如评估体系、技术瓶颈），可以从技术、产品、用户体验等多个维度展开，提出有结构的解决方案框架
• 请介绍一个你做过的与LLM/Agent相关的项目，你在其中遇到了什么技术挑战？是如何解决的？
• 你认为一个成熟的Agent系统在规划（Planning）和工具使用（Tool Use）方面，关键难点是什么？
• 如果我们需要评估一个Agent在复杂对话中的效果，你会设计怎样的评测体系？
• 对于RAG系统，如何处理知识库信息过时或冲突的问题？
• 你如何看待当前Agent技术在产品落地中的主要瓶颈？