大模型算法工程师（垂域/Harness工程）

优缺点分析

角色解读

• 技术专家方向：深入大模型与Agent核心技术，成为公司AI技术带头人
• 技术管理方向：带领算法团队，逐步向技术经理或总监发展
• 跨领域发展：积累物流行业AI经验，向AI产品架构师或行业顾问转型
• 负责顺丰垂域大语言模型的技术能力建设，提升模型在物流场景的应用效果
• 基于Harness工程框架，推动多智能体集群在自组织、自学习、自决策方向的算法实现与优化
• 指导培养算法团队成员，提升团队在Agent方向的技术水平，并参与技术方案评审
• 精通大语言模型算法结构，具备百亿参数规模后训练项目经验
• 深刻理解Agent自主学习方法，有复杂业务场景的落地经验并取得可量化成果
• 熟悉Harness工程框架和智能体模式设计，具备良好的系统工程能力
• 扎实的数据分析和AB测试能力，能通过指标驱动AI产品优化

申请策略

• 在简历中体现对物流行业AI应用的理解，如路径规划、时效预测等场景
• 准备1-2个完整的项目案例，用STAR法则展示从需求到落地的全过程
• 突出百亿参数大模型后训练项目的技术细节和量化成果
• 详细描述Agent在复杂业务场景的落地过程、设计思路及业务指标提升
• 展示Harness工程框架的使用经验或在相关开源项目的贡献
• 强调数据分析与AB测试的实际案例，体现数据驱动思维
• 深入学习Harness工程框架（如LangChain, AutoGen等），掌握智能体模式设计
• 强化Agent自主学习方法论，特别是多智能体协作和自学习机制

面试指南

• 对于技术类问题，采用'背景-方案-结果-反思'结构，突出量化指标
• 对于开放性问题，先定义问题边界，再给出框架性思路，最后举例说明
• 展现系统性思考，注意从算法、工程、业务多角度分析
• 请详细介绍你参与的大规模语言模型后训练项目，包括模型架构、数据策略和效果提升
• 如何设计Agent的自主学习机制？请结合一个具体业务场景说明
• Harness工程框架的核心思想是什么？你在项目中如何应用？
• 如何评估多智能体系统的效果？有哪些关键指标？
• 当你指导的团队成员在技术方案上有分歧时，你如何协调？