网商银行-Agent开发工程师-营销/服务方向

优缺点分析

角色解读

• 从Agent开发工程师起步，可向大模型应用架构师或技术专家方向发展
• 积累金融领域AI落地经验，可横向拓展至更多业务场景
• 未来可晋升为AI团队技术负责人，主导核心系统演进
• 设计基于LLM的对客服务Agent系统，构建多Agent协作架构
• 优化上下文工程，提升Agent的长期记忆和检索精度
• 开发统一工具调度框架，集成不同业务系统的原子化能力
• 建立Agent评估与自迭代体系，驱动模型持续进化
• 精通Java/Python/Go至少一门语言，有扎实编程功底
• 熟悉大模型开发框架（如LangChain、LlamaIndex）及开源生态
• 掌握RAG、Prompt Engineering、Agentic Workflow等核心技术
• 具备良好的沟通能力和跨团队协作能力

申请策略

• 申请时附上个人项目或GitHub链接，证明实践能力
• 关注蚂蚁大模型技术博客，了解团队技术方向
• 突出大模型项目经验，尤其是Agent或RAG相关落地案例
• 展示编程能力，如用Python/Java实现复杂系统
• 强调跨团队协作和业务理解能力，体现"桥梁"作用
• 系统学习LangChain、LlamaIndex等框架，动手搭建Agent demo
• 深入实践RAG，优化检索质量和上下文管理
• 了解金融信贷/理财业务基本概念，提升业务敏感度

面试指南

• 用STAR法则描述项目，突出个人贡献和系统设计思路
• 先讲评估维度（如召回率、准确率、任务成功率），再结合具体数据
• 展示业务理解，将业务流程图转化为技术方案
• 从抽象接口、适配器模式等方面回答，体现工程能力
• 请介绍一个你设计过的Agent系统，架构是怎样的？如何解决上下文一致性问题？
• 如何评估一个RAG系统的效果？你用什么指标？
• 针对信贷业务，如何将用户意图拆解为Agent的任务链？
• 在工具调度中，如何处理不同系统之间的接口差异？