资深研发工程师-AI Coding Agent 方向

优缺点分析

角色解读

• 技术专家路线：深入AI与研发效能领域，成为公司内部AI编码与Agent架构的权威
• 技术管理路线：凭借扎实的业务与技术理解，有机会带领小团队负责更综合的技术解决方案
• 横向拓展：可向平台工程、DevOps或更广泛的工程效率领域发展
• 负责乘客增长业务（拉新、留存、营销）的研发与系统维护，直接支撑业务增长
• 主导自研AI编码Agent工具的建设与优化，将其融入团队日常开发流程，提升研发效能
• 建立AI工具的度量、评测与进化体系，确保工具效果可衡量并能持续迭代
• 跟踪AI编码前沿技术，进行技术选型并推动在实际场景落地
• 需要扎实的编码能力与系统设计经验，熟悉Go/Java/PHP等语言，能处理高并发分布式系统
• 必须深入理解并实践过AI编码、Agent工作流、Prompt工程等，有将AI融入研发流程的实战经验
• 需要具备营销系统、增长工具等业务研发背景，能深刻理解业务逻辑与研发痛点
• 要求较强的数据思维，能构建指标体系并利用数据驱动工具优化

申请策略

• 深入研究滴滴在AI编码或研发效能领域的公开技术分享或文章，了解其技术理念
• 面试中准备一个清晰的案例，说明你如何将一项新技术/工具成功引入并应用于解决实际问题
• 重点突出过往在复杂业务系统（如营销、增长、活动平台）中的设计与开发经验
• 详细描述参与或主导AI辅助编码、Agent工具开发、Prompt工程的项目经历与成果
• 强调处理高并发、分布式系统的具体实践，以及建立监控、评测体系的经验
• 体现推动技术方案在团队内落地、提升研发效率的具体案例
• 系统梳理并实践AI Agent工作流、Spec驱动开发、评测方法论等当前主流框架与概念
• 补充数据埋点、指标体系建设、可观测性工程的相关知识与实践

面试指南

• 对于AI实践问题，使用STAR法则，重点描述具体技术方案（Spec、Skill、工作流）、你解决的痛点以及量化效果（如效率提升比例）
• 对于系统设计问题，先梳理核心需求与约束（高并发、一致性），再阐述分层架构（接入层、业务层、服务层、数据层）和关键设计（缓存、异步、限流）
• 对于技术决策类问题，展现你的思考过程：收集信息、评估短期收益与长期影响、权衡团队现状、最终给出带依据的结论
• 请介绍一个你将AI工具深度融入研发流程并取得实效的项目
• 如果让你为这个AI Coding Agent设计一套评测体系，你会从哪些维度入手？如何量化效果？
• 在乘客增长业务中，如何设计一个高并发的营销系统来保障重保活动？
• 当AI工具推荐的技术方案与你认为更优的方案有冲突时，你会如何决策？
• 你如何跟进并评估AI编码领域的最新技术？