AI 平台工程师

优缺点分析

角色解读

• 在AI平台领域深耕，成为AI基础设施架构专家，负责更复杂的平台架构设计
• 向技术管理方向发展，带领团队负责AI平台的整体规划与建设
• 横向拓展至业务方向，结合医疗智能体业务，成为懂业务的技术专家
• 负责AI Agent管理平台的架构迭代和本地化部署运维，确保大模型、Embedding、重排模型的统一接入和管理
• 建设Agent Runtime、Workflow编排、MCP网关、工具注册中心等底层基础设施，为上层应用提供稳定支撑
• 搭建平台权限审计、全链路可观测监控体系，保障平台高可用、高并发，并负责故障定位与性能优化
• 与现有业务系统集成，为医疗智能体业务提供Agent应用开发、测试、发布能力
• 扎实的后端开发经验，精通Java、Python或Go中的至少一种语言，熟悉后端框架和中间件
• 熟悉容器化技术（K8s）和分布式微服务架构，了解大模型工具调用
• 理解Agent、RAG、MCP等AI基础概念，具备AI平台建设经验者优先
• 具备故障排查、性能优化、文档编写和跨团队协作能力

申请策略

• 在面试中强调对AI平台建设的技术热情和项目实践
• 了解平安在AI领域的布局和医疗智能体业务方向，展现对业务的思考
• 突出后端平台开发经验，特别是高并发、高可用系统的设计和实现
• 强调对K8s、微服务、中间件等技术的实际应用和项目成果
• 如有AI相关项目经验，如Agent、RAG、MCP等，务必重点描述
• 展示故障排查、性能优化的具体案例和成果
• 深入学习Agent、RAG、MCP等AI技术原理，了解主流AI框架
• 熟悉K8s、Docker等容器化技术，掌握分布式系统设计

面试指南

• 回答技术问题时，采用STAR法则（情境、任务、行动、结果），突出你的技术决策和项目成果
• 对于AI概念问题，结合具体项目经验，阐述你的理解和实践
• 对于架构设计问题，从需求分析、技术选型、架构设计、风险控制等方面展开
• 请介绍你设计过的一个高可用、高并发的后端系统架构
• 谈谈你对Agent、RAG、MCP的理解，以及它们在实际项目中的应用
• 如何设计一个AI Agent管理平台，需要考虑哪些关键因素？
• 描述一次你如何排查和解决线上故障的经历
• 你如何与业务团队协作，推动平台落地？