Agent策略工程师（J107063）

优缺点分析

角色解读

• 可向AI Agent架构师、大模型算法专家方向发展
• 随着Agent技术在更多业务场景的应用，可拓展至通用AI应用开发或技术管理岗位
• 负责设计和优化健康领域AI Agent的核心策略，包括任务规划、工具调用和记忆管理
• 搭建自动化测试与评估体系（Harness），监控并提升模型生成质量
• 进行大模型微调与对齐，解决复杂场景下的推理与安全问题
• 深入理解Agent架构（Planning/Tool Use/Memory/Reflection）
• 掌握大模型训练微调技术（SFT/DPO/RLHF）
• 具备大规模数据处理与工程化落地能力，熟悉知识图谱或医疗垂直领域知识

申请策略

• 准备详细的项目案例，重点说明如何解决Agent在实际应用中的幻觉、延迟或准确性问题
• 了解百度健康业务的现状与技术痛点，展现业务理解力
• 突出展示Agent相关项目经验，特别是涉及Planning、Tool Use等核心模块的实现细节
• 强调大模型微调（SFT/DPO）的实际效果与数据规模
• 展示在大规模推理系统或自动化评估体系方面的工程成就
• 深入研究Agentic Looping机制及其在复杂任务中的应用
• 补充医疗领域知识图谱构建与检索增强生成（RAG）的相关技能
• 提升大规模分布式系统的性能优化与稳定性保障能力

面试指南

• 使用STAR法则（情境、任务、行动、结果）阐述项目经历
• 对于技术问题，先讲清原理，再结合具体场景说明实现方案，最后用数据证明效果
• 强调系统性思维，不仅关注算法本身，还考虑工程落地与评估闭环
• 请描述你设计的Agent架构中，如何处理多工具调用的冲突与依赖？
• 在SFT/DPO过程中，如何构建高质量的对齐数据？遇到数据分布不均怎么办？
• 如何设计Harness体系来自动化评估Agent的性能变化？
• 针对健康领域的敏感内容，Agent策略中有哪些安全护栏设计？
• Agentic Looping相比传统Chain-of-Thought有什么优势？你的实践中是如何落地的？