GJK-后端开发高级工程师

优缺点分析

角色解读

• 技术方向：高级工程师 → 架构师 → 技术专家，深入物流领域的分布式系统设计
• 管理方向：可逐步转向技术Leader或团队经理，负责更大规模的系统与团队
• 跨领域发展：结合AI大模型经验，转型AI工程或数据平台方向
• 负责后端系统的需求分析、架构设计和核心代码编写，使用Java及Spring Cloud等技术栈
• 主导性能调优和问题排查，确保系统高可用和稳定性，参与生产环境的监控与应急响应
• 应用AI大模型提升任务拆解和产品落地效率，例如使用Agent或规则引擎优化业务逻辑
• 精通Java、JVM内存模型、多线程并发编程，熟悉Spring Cloud、Spring Boot、MyBatis等框架
• 深入理解消息队列、缓存、数据库等中间件，能根据场景做技术选型
• 具备复杂问题拆解能力，有AI大模型或Agent使用经验，了解规则引擎优先

申请策略

• 关注顺丰的物流业务特点，思考后端技术如何支撑业务优化
• 在面试中准备一个使用AI大模型或微服务解决复杂问题的技术案例
• 突出Java、JVM调优、微服务架构的实际项目经验，尤其是处理高并发或分布式系统的案例
• 强调使用AI大模型或Agent解决业务问题的经历，展示拆解复杂任务的能力
• 如果有规则引擎（Drools、自研等）或大数据（Flink/Spark）经验，务必在简历中体现
• 可以提前学习规则引擎（如Drools、Aviator）的基础原理和项目落地方法
• 补充AI大模型应用知识，了解如何用LLM拆解任务和构建Agent

面试指南

• STAR法则：描述场景、任务、行动和结果，量化技术指标和业务收益
• 技术对比框架：先说明不同方案的优劣，再结合场景给出选择理由
• 问题解决框架：定义问题 → 分析根因 → 给出方案 → 验证效果
• 请描述一个你使用Spring Cloud解决高并发问题的项目
• 如何对JVM进行调优？请举例说明
• 你如何将AI大模型应用到后端任务拆解中？具体实现方式是什么？
• 谈谈你对规则引擎的理解，以及Drools和自研引擎的异同
• 面对突发的生产故障，你的排查和解决流程是怎样的？