KERING Applied AI Engineer-Agentic Applications

优缺点分析

角色解读

• 可向AI架构师方向发展，主导复杂AI系统的技术选型与架构设计
• 转型为AI产品负责人，结合技术与业务洞察，驱动AI产品的商业化落地
• 成为企业内部AI赋能专家，推动其他业务部门的数字化智能化转型
• 负责设计和开发基于LLM的AI智能体应用，利用Dify等平台搭建工作流
• 集成Python后端与Java/Spring前端服务，实现RAG检索增强生成等核心技术功能
• 主导应用从需求分析、原型开发到生产上线及后期维护的全流程交付
• 熟练掌握Python编程及API集成能力
• 深入理解LLM应用开发，包括Prompt设计、RAG架构、向量搜索及Agent工作流编排
• 具备Dify或同类AI平台实操经验，熟悉Java/Spring生态及微服务集成
• 拥有良好的全栈思维，能处理CI/CD、容器化部署及系统性能优化

申请策略

• 关注开云集团旗下品牌（如Gucci, Saint Laurent等）的数字化动态，在面试中展现对行业背景的理解
• 准备一个完整的端到端AI应用开发案例，涵盖从需求到上线的全过程
• 突出展示使用Dify或其他Agent平台构建的实际项目案例，强调解决的具体业务痛点
• 详细描述RAG系统的优化经验，如如何提高检索准确率、降低幻觉率
• 列举Python与Java/Spring集成的具体经历，体现全栈工程能力
• 深入学习LangChain、LlamaIndex等主流AI框架，对比Dify的优势与局限
• 强化向量数据库（如Milvus, Pinecone）的性能调优与索引策略知识
• 提升英语沟通能力，以便更好地参与跨国团队的协作与技术交流

面试指南

• 采用STAR法则（情境、任务、行动、结果）叙述项目经历，重点突出技术选型理由和遇到的挑战
• 针对RAG问题，从数据预处理、向量化策略、混合检索（关键词+向量）及重排序等角度展开
• 对于集成问题，强调接口设计规范、错误处理机制及性能监控手段
• 请分享一个你使用Dify或类似平台构建的Agent案例，你是如何解决复杂工作流中的异常处理的？
• 在RAG系统中，如何优化文档切片和检索策略以提高回答的准确性？
• 描述一次你如何将Python开发的AI模块集成到现有的Java/Spring微服务架构中的经历
• 面对模糊的业务需求，你如何通过原型设计和用户反馈来明确AI应用的行为边界？
• 复习LLM基础概念及最新进展，特别是Agent架构模式（如ReAct, Plan-and-Solve）