研发工程师

优缺点分析

角色解读

• 成为AI应用架构师，主导复杂AI系统的落地与标准化
• 向高级后端专家发展，深耕高并发交易系统的极致性能优化
• 转型为AI工程化专家，探索大模型在垂直业务场景的深度应用
• 基于Go/Python开发AI Agent应用（如智能客服、调价引擎）及配套工作台
• 利用AI工具（Codex/Claude Code）辅助全链路研发，包括代码生成、测试及审查
• 参与核心交易系统（定价、策略、预算）的后端设计与高并发优化
• 构建AI应用的底层能力，如RAG、工具调用、任务编排及效果评估体系
• 精通Go或Python语言，具备扎实的数据结构、算法及分布式系统基础
• 熟悉AI Agent开发范式，掌握Prompt工程、RAG架构及工具调用逻辑
• 具备独立进行系统架构设计、性能调优及稳定性保障的工程实践能力
• 良好的业务敏感度，能将复杂的业务规则转化为高效的系统逻辑

申请策略

• 关注滴滴近期在AI领域的布局及花小猪的业务动态
• 准备关于如何利用AI重构传统研发流程的思考与见解
• 突出Go/Python在项目中的深度应用及高并发处理经验
• 展示使用AI工具提升研发效率的具体案例或量化成果
• 强调在复杂业务场景下的系统设计能力与稳定性保障经验
• 列举对RAG、Agent架构等技术概念的理解与实践经历
• 深入学习LangChain、LlamaIndex等主流AI开发框架
• 强化分布式系统一致性、容错机制及性能优化相关知识

面试指南

• STAR法则：情境-任务-行动-结果，重点突出技术选型理由与最终收益
• 原理+实践：先阐述技术底层原理，再结合具体项目场景说明应用方式
• 权衡与取舍：在回答系统设计问题时，明确说明不同方案的优缺点及适用边界
• 数据驱动：用量化指标（如QPS、延迟降低百分比、Bug率下降等）证明技术价值
• 请介绍一个你使用AI工具（如Copilot/Codex）提升开发效率的案例，遇到了哪些坑？
• 如何设计一个高可用的AI Agent系统，特别是处理幻觉和错误输出？
• 在Go/Python中，如何处理高并发场景下的数据一致性问题？
• 请谈谈你对RAG架构的理解，以及如何优化检索效果？