蚂蚁集团-研发效能 Agent Infra-杭州

优缺点分析

角色解读

• 技术专家方向：深耕Agent Infra和大模型基础设施，成为该领域的权威专家
• 架构师方向：主导大型平台架构设计，负责复杂系统的技术决策
• 技术管理方向：随着产品影响力扩大，逐步带领团队推进研发智能化战略
• 负责研发效能Agent产品的Infra架构与研发，包括沙箱、网关、应用系统建设，支撑万级Agent协同调度
• 设计并实现基于大模型的多智能体系统，涉及工具调用、记忆管理、长任务编排、上下文工程等核心能力
• 参与CI/CD、DevOps等研发效能平台的智能化建设，结合大模型和Agent技术探索AI在编码、测试、运维等场景的落地
• 与业务和产品团队协作，端到端推进产品化，持续优化研发效率和用户体验
• 熟悉云原生技术体系，掌握Kubernetes、Docker、Service Mesh、Knative、Tekton等至少部分技术
• 精通Java、Go、Python、TypeScript中至少一种语言，具备扎实的编程和工程素养
• 理解大模型与Agent概念，熟悉LLM应用、Agent框架、RAG、Function Calling等技术，并有实践热情
• 熟悉CI/CD、DevOps、构建发布、任务调度等研发效能领域中的至少一个方向

申请策略

• 在简历中体现对AI赋能研发的理解，展示你如何用AI工具提升研发效率的个人实践
• 关注蚂蚁集团的技术博客和开源项目，了解其研发效能平台的技术方向，面试时展现深入思考
• 重点突出云原生和平台研发经验，如Kubernetes、Docker、CI/CD等实际项目
• 展示在Agent、大模型相关方向的实践，如LLM应用、RAG、Agent框架、AI Coding工具使用
• 强调工程化能力，如大规模系统设计、性能优化、稳定性保障等具体案例
• 突出自驱性和结果导向，如主动推动复杂问题解决并取得量化成果
• 系统学习大模型和Agent技术，动手搭建一个简单的Agent应用，熟悉Function Calling和长任务编排
• 深入理解Kubernetes和云原生生态，补充Service Mesh、Serverless等知识

面试指南

• 回答系统设计题时，先明确需求和瓶颈，再给出分层架构，重点讨论扩展性、容错性和可观测性，并结合实际案例佐证
• 回答项目经验题时，使用STAR法则（情境、任务、行动、结果），突出个人贡献和数据指标
• 回答技术理解题时，先阐述核心理念，再结合对比分析（如不同方案的优劣），最后表明你的取舍思考
• 如何设计一个支持万级Agent协同调度的系统架构？
• 请讲一个你优化过的分布式系统性能案例，具体做了哪些工作？
• 你如何理解Agent Infra？在多智能体系统中，如何解决上下文管理和任务编排问题？
• Kubernetes的调度器是如何工作的？如果让你设计一个自定义调度器，你会怎么做？
• 如何评估和保障一个研发效能平台的稳定性？