大模型 Agent 研发工程师

优缺点分析

角色解读

• 可向 AI Agent 架构师方向发展，主导复杂 AI 系统的设计与落地
• 可深入视频生成领域，成为多模态 AI 方向的专家
• 未来可转型为技术 Leader，带领团队探索前沿 AI 技术在内容创作中的应用
• 设计和开发视频生成 Agent，包括构建可复用的 Skill、MCP 服务、工具接口和任务工作流
• 研究并接入 Seedance、Kling 等视频生成模型，进行模型能力评估和任务编排
• 建设面向视频制作流程的知识库与 RAG 系统，同时搭建大模型评测管线，包括人工和自动评测
• 沉淀 Agent 开发框架和公共组件，提升团队研发效率和系统稳定性
• 扎实的 Python 编程能力，熟悉软件工程和接口集成
• 深入理解 Agent 核心范式（ReAct、Planning、Reflection 等）及相关技术体系（Multi-Agent、RAG、MCP、Function Calling）
• 熟悉 RAG 全链路，包括文档解析、向量化、检索与重排，并能进行效果评测
• 熟练使用 AI 编程工具进行快速原型验证，具备良好的逻辑思维和沟通能力

申请策略

• 在求职信中表达对 AI 视频创作的热情，并展示你对 B 站内容生态的理解
• 准备一个完整的 Agent 项目案例，从需求分析到实现再到评测，体现系统性思考
• 突出 Python 开发经验和软件工程能力，尤其是接口集成和系统调试案例
• 展示 Agent 相关项目经历，如使用 LangGraph、AutoGen 等框架构建过复杂工作流
• 强调对 RAG、视频生成模型（如 Stable Video Diffusion、Kling）的实践经验
• 如有开源项目贡献，务必列出，特别是与 AI 相关的项目
• 补充视频生成模型（如 Seedance、Kling）的调用和集成经验，可通过官方文档或开放 API 演练
• 深入学习 Agent 框架（LangGraph、CrewAI）并动手搭建一个小型多 Agent 系统

面试指南

• 使用 STAR 法则（情境-任务-行动-结果）来回答项目经验问题
• 对于技术设计问题，先明确需求，再拆解模块，最后讨论权衡（如效果 vs 成本）
• 对于开放式问题，可以结合自身经验给出具体例子，并指出可以优化的方向
• 请描述你如何设计一个视频生成 Agent 的工作流，需要考虑哪些关键步骤？
• 解释 RAG 的基本链路，并说明在视频制作场景中可能遇到哪些挑战？
• 你用过哪些 Agent 框架？请比较它们的优缺点
• 如何评估一个 Agent 系统的效果？你会设计哪些指标？
• 假设你需要接入一个新的视频生成模型，你会如何快速评估并集成？