大模型应用开发（agent）

优缺点分析

角色解读

• 积累大模型应用开发和智能体系统的实战经验，可向AI算法工程师或大模型应用架构师发展
• 通过参与物流业务场景，培养业务理解能力，未来可成为AI+物流领域的专家
• 实习表现优秀有机会转正，进入顺丰的AI团队，进一步深入前沿技术
• 参与多智能体（Multi-Agent）系统的设计、开发与测试，协助实现Agent间协作与任务分解
• 在导师指导下，将大模型与物流业务场景结合，构建智能体系统并完成代码开发
• 与产品、算法、业务团队协作，学习大模型推理优化与部署流程，参与系统落地验证
• 至少掌握Java、Python、Go中一种编程语言，有扎实的编程基础
• 了解大模型基本原理和智能体架构，熟悉DIFY、LangGraph、Spring AI等主流框架
• 了解RAG、向量数据库、Docker/K8s等工具，对大数据组件（Flink、Kafka、Hive）有基本认知

申请策略

• 在简历中明确表达对物流+AI的兴趣，展示你理解业务场景的能力
• 面试前多了解顺丰的科技布局和大模型应用案例，体现你对公司的关注
• 突出你在大模型、Agent、RAG相关的课程项目或个人项目经验，特别是使用过DIFY、LangGraph等框架
• 展示编程能力，列出你掌握的编程语言及项目代码量，有GitHub开源贡献更佳
• 强调大数据组件（Flink、Kafka、Hive）的学习或实践经历，以及Docker/K8s等容器化技能
• 如果尚不熟悉主流Agent框架，可以快速学习DIFY或LangGraph，搭建一个简单的Agent Demo
• 补充RAG和向量数据库的基础知识，尝试用LangChain实现一个检索增强生成的小项目

面试指南

• STAR法则：描述项目背景、任务、行动和结果，突出技术细节和你的贡献
• 先讲核心原理，再结合实际场景：例如解释多智能体协作时，先说明协议（如MCP），再举例物流场景
• 对比方案：回答开放性问题时，提出多个候选方案并分析优劣，展示思考深度
• 请介绍一个你用大模型或Agent框架完成的项目，遇到了什么挑战？
• 如何设计一个多智能体协作系统？请举例说明任务分解和协调机制
• RAG系统中，检索和生成的优化策略有哪些？如何平衡相关性和多样性？
• 你对Docker和K8s的理解？在大模型服务部署中它们的作用是什么？
• 如果让你将大模型应用到物流路径规划中，你会怎么设计？