后端开发工程师（算法平台方向）

优缺点分析

角色解读

• 从后端开发工程师向RAG技术专家或智能体架构师方向发展
• 可以横向扩展至自然语言处理、知识图谱等AI领域
• 在平安体系内有机会晋升为技术主管或技术经理
• 负责智能体平台知识库模块建设，包括知识运维全生命周期管理和RAG各环节的技术调研与引入
• 基于知识库孵化上层应用，如智能问答、内容生成等，并持续优化应用效果
• 与团队协作，推动RAG相关前沿技术落地，提升知识库的智能化水平
• 扎实的Python或Java后端开发能力，熟悉Flask或Springboot框架
• 对RAG、文档解析、向量检索等技术有深入理解和项目经验
• 掌握分布式系统基础知识，如缓存、消息队列、搜索引擎等（Redis、Kafka、ElasticSearch等）
• 熟悉关系型数据库和向量数据库（PostgreSQL、Milvus等）

申请策略

• 了解中国平安在金融科技领域的布局，面试时展现对业务场景的理解
• 准备一个RAG项目案例，详细说明技术选型、实现过程与难点突破
• 突出在RAG、文档解析、智能体相关项目中的具体成果，如优化效果、性能提升等
• 展示Python/Java的深厚功底，尤其是分布式系统设计经验
• 强调对开源技术的关注与贡献，如参与开源项目或技术博客
• 补充学习Milvus、ElasticSearch等检索技术，熟悉向量数据库原理
• 深入了解RAG流程中的检索、排序、生成环节，熟悉主流框架如LangChain、LlamaIndex
• 掌握微服务架构和容器化部署（Docker、Kubernetes）会增加优势

面试指南

• STAR法则：描述项目背景、任务、行动和结果，突出技术难点与创新点
• 对比分析法：比较不同技术方案的优缺点，展示技术选型能力
• 工程思维：强调系统设计时考虑的扩展性、稳定性、可维护性等维度
• 请详细描述你参与的RAG项目，包括知识库设计、检索策略和生成优化
• 如何保证知识库中数据的准确性、一致性和时效性？
• 对比ElasticSearch和Milvus的适用场景和性能差异
• 在高并发场景下，如何设计缓存和消息队列来提升系统响应？
• 你对未来RAG技术的发展趋势有什么看法？