Java研发工程师（AI客户服务）-【商业化】

优缺点分析

角色解读

• 在快手广告业务中深耕，可成长为技术专家或架构师，主导广告系统与AI融合方案
• 向AI工程化方向转型，结合大模型和Agent技术，成为AI应用领域的领军人才
• 横向拓展至商业化其他核心系统，或晋升为技术Leader，带领团队
• 负责广告渠道管理与代理商体系的后端系统开发与迭代，包括智能客服和Harness智能体等AI模块的设计与实现
• 对复杂业务系统进行领域拆分和深度抽象，编写高质量、可扩展的代码
• 参与业务产品讨论和整体架构设计，与产品、运营等团队协作，推动技术落地
• 扎实的Java基础，熟悉IO、多线程、JVM，熟练使用Spring生态、MySQL、Redis等中间件
• 具备高可用、高并发分布式系统的实际经验，有服务治理和稳定性提升能力
• 了解大数据技术栈（Hive、Spark、Flink），有数据处理或数据管道建设经验
• 对AI技术（大模型、Agent架构）有热情，最好有LLM应用落地经验

申请策略

• 了解快手商业化产品（磁力引擎、广告投放平台），在面试中展示对业务的理解和热情
• 关注AI技术在广告行业的应用趋势，准备2-3个创新想法或改进建议
• 突出广告平台、代理商系统或类似复杂业务系统的后端开发经验，展示领域理解
• 强调高并发、分布式系统的项目案例，特别是服务治理和稳定性提升的实际成果
• 如果有LLM或Agent相关项目，务必详细描述技术实现和落地效果
• 列出大数据处理经验，如使用Spark/Flink进行数据管道的建设
• 系统学习大模型（如GPT、BERT）和Agent架构（如AutoGPT、LangChain），尝试动手实践
• 复习JVM调优、MySQL索引优化、Redis缓存策略等后端核心技能，准备深入面试

面试指南

• 使用STAR法则（情境、任务、行动、结果）清晰描述项目经验，突出个人贡献和难点突破
• 对于技术方案问题，先分析业务需求和场景，再对比不同技术的优劣，最后给出选择依据
• 对于AI相关问题，结合具体应用场景（如智能客服、Harness智能体）说明技术选型和落地路径
• 请描述你参与过的一个高并发系统的架构设计，以及如何保证稳定性和可用性？
• 你如何评估和选择技术方案？举例说明在项目中使用Spring、MySQL、Redis等技术的经验
• 谈谈你对大模型和Agent架构的理解，是否有实际落地经验？如何将AI应用于广告业务？
• 如何处理复杂业务系统的领域拆分？请分享一个你主导的架构设计案例
• 假设你要设计一个智能客服系统，面向代理商，你会如何规划数据流和AI模块？