钱塘征信-AI应用工程师-杭州

优缺点分析

角色解读

• 可向AI技术专家方向发展，深耕Agent架构与大模型应用
• 也可向AI产品经理或技术管理方向转型，具备业务与技术的复合能力
• 在蚂蚁集团平台，有机会接触大规模征信场景，积累行业级AI落地经验
• 负责征信场景下AI Agent的规划、设计与研发，包括目标定义、任务拆解和流程设计
• 深入业务，识别适合Agent化的环节，并设定效果指标
• 端到端管理Agent项目，从需求分析到上线迭代，涵盖技术选型、系统开发、测试部署和运营监控
• 熟练掌握Java或Python后端开发，具备扎实的工程能力
• 熟悉大模型应用开发，掌握LangChain、LangGraph等编排框架
• 理解Agent的核心机制，如任务规划、状态管理、记忆、异常恢复和权限控制
• 具备产品意识和业务理解能力，能将模糊需求转化为可落地的Agent方案

申请策略

• 关注钱塘征信的业务方向，在面试中体现你对征信场景的理解
• 准备一段Agent项目的完整案例，展示从需求到落地的思路
• 突出实际的Agent项目落地经验，包括目标设定、技术选型和效果指标
• 强调Java/Python后端开发能力，尤其是高并发、稳定性相关的项目
• 展示对大模型编排框架（如LangChain、LangGraph）的使用经验，以及相关开源项目或博客
• 若未接触Agent框架，可先学习LangChain/LangGraph官方文档并搭建Demo
• 补充Agent设计相关的知识，如任务规划、记忆机制和工具调用
• 了解征信行业业务逻辑，增强业务理解能力

面试指南

• 使用STAR法则（情境、任务、行动、结果）描述项目，突出个人贡献和量化结果
• 对于技术问题，先简述原理，再结合实践举例，最后总结最佳实践
• 对于场景问题，从业务痛点出发，给出设计思路和权衡
• 请介绍一个你主导的Agent项目，是如何设计任务拆解和流程的？
• 在处理Agent状态管理和异常恢复时，你采用了哪些策略？
• 如何评估Agent的效果？你会设定哪些指标？
• LangChain和LangGraph有什么区别？你如何选择？
• 如何保证Agent在征信场景下的数据安全和权限控制？