Agent算法工程师 - 北京 / Algorithm Engineer – Beijing

优缺点分析

角色解读

• 可从Agent应用架构师向AI平台/技术负责人方向发展
• 能积累LLM产品化、工具调用、多模态内容生成和大规模系统工程经验
• 后续可转向算法工程、AI产品技术或核心工程岗位
• 主导AI Agent应用的整体架构设计与核心模块实现，让Agent具备规划、工具调用和自主执行能力
• 将RAG、Function Calling、MCP等能力接入真实业务工具，把原型硬化成可上线的生产服务
• 面向千万用户量级优化端到端链路，降低延迟、提升工具执行可靠性和系统稳定性
• 与产品、算法、前端协作，把影像创作和内容生产场景转化为完整的AI交互体验
• 扎实的Python后端与Web服务框架能力，理解高并发、高可用系统设计
• 熟悉主流Agent框架、RAG、Function Calling、MCP等技术，并能做架构取舍
• 理解LLM基本原理，能通过Prompt Engineering解决工程问题而不只是调用API
• 具备性能调优、稳定性建设、工程协作和问题闭环能力

申请策略

• 投递前了解美图影像与内容生成业务，思考Agent能改善哪些用户场景
• 简历和沟通中强调“从demo到生产”的工程闭环能力，而不是只列模型名词
• 突出Python后端与高并发、高可用系统设计案例
• 量化AI Agent/LLM应用交付经历，如工具调用、RAG、Prompt优化、线上稳定性
• 展示与产品、算法、前端协作并推动落地的经验
• 如有Dify、ComfyUI、多模态项目或开源贡献，建议单列
• 梳理主流Agent编排框架与MCP、RAG、Function Calling的技术取舍
• 准备一个端到端Agent项目案例，说明架构、评测、性能和故障处理

面试指南

• 用场景-目标-方案-结果结构讲项目，先讲业务指标再讲技术细节
• 技术选型题先列约束（延迟、成本、稳定性、可维护性），再比较方案取舍并给出验证方法
• 故障与协作题强调监控、回滚、评测集和跨团队沟通机制
• 你做过的最复杂AI Agent项目是什么？如何设计规划、工具调用和异常处理？
• 在高并发场景下，如何降低Agent链路延迟并保证工具执行可靠性？
• RAG、Function Calling、MCP各解决什么问题，如何做技术选型？
• 你如何用Prompt Engineering解决工程问题？能举例说明评测和迭代过程吗？
• 与产品、算法、前端意见不一致时，你如何推动问题闭环？