【B-UP】多模态智能体工程师（实习）

优缺点分析

角色解读

• 成为 AI agent 方向的技术专家，深入多模态理解和生成领域
• 积累视频生产场景的工程经验，未来可转向研究或系统架构
• 依托哔哩哔哩平台，接触大规模视频数据和真实用户场景
• 建设多模态智能体系统，实现从需求理解到视频成片的自动化生产
• 设计 agent 框架，包括 tool use、planner、memory、workflow 编排和多 agent 协作
• 优化理解和生成模型性能，提升系统在长链路任务中的稳定性和效率
• 熟悉 LLM/VLM agent、tool calling、RAG 和 workflow orchestration 等核心技术
• 具备快速搭建 demo 并工程化落地的能力，能分析 agent 失败模式
• 了解多模态模型、视频编辑或自动化创作工具者优先

申请策略

• 准备一个可演示的 agent demo 链接，展示完整工作流
• 了解 B 站视频创作流程，思考 AI 如何辅助生产
• 突出 LLM/VLM agent 相关项目，特别是涉及 tool calling、RAG 或 workflow 的经验
• 展示快速原型开发能力，如开源的 demo 或 hackathon 项目
• 强调多模态、视频编辑或自动化创作方向的成果
• 深入了解 LangChain、AutoGPT 等 agent 框架
• 补充视频生成模型（如 Stable Video Diffusion）和编辑工具知识

面试指南

• 从需求分析开始，分步骤描述 agent 的规划、执行、检查循环
• 结合具体技术栈（如 LLM、VLM、向量数据库）和设计模式（如 ReAct、Plan-and-Execute）
• 强调失败处理和 human-in-the-loop 的重要性
• 请设计一个多模态 agent 的 workflow，从用户需求到视频生成
• 如何评估 agent 在长链路任务中的表现？有哪些指标？
• 你熟悉的 RAG 实现方式？如何处理检索质量差的问题？
• 解释 tool calling 的原理，并举例 agent 如何选择工具
• 当 agent 在某个步骤失败时，你会如何设计重试或回退机制？