蚂蚁集团-AI 基础设施技术负责人（RAG 基础设施方向）-杭州/上海

优缺点分析

角色解读

• 技术深度：可成为搜索、RAG或AI基础设施领域的顶尖技术专家或架构师
• 管理广度：可进一步晋升为技术总监，负责更大的技术领域或团队管理
• 业务影响：通过技术平台赋能更多业务，提升在公司内对AI战略的影响力
• 负责蚂蚁集团AI信息服务平台（RAG平台）的整体技术架构设计与演进规划
• 解决大规模数据处理、高并发检索等复杂工程问题，提升平台的稳定性、性能和成本效率
• 与算法团队协作，构建模型接入、实验管理等AI工程化能力，支撑算法快速落地
• 作为技术负责人，牵引项目交付，协调内外部团队，推动技术规范与人才培养
• 具备复杂平台或基础设施系统的架构设计和规划能力，能从业务中抽象技术方案
• 精通分布式系统工程，有大规模数据处理或高并发服务的生产实践经验
• 深入理解RAG、搜索平台全链路技术，包括数据处理、向量检索、混合检索等
• 了解大模型及AI工程化（推理调度、工作流编排），并能设计相应的工程支撑体系

申请策略

• 深入研究蚂蚁集团在AI基础设施、数字金融、科技风控等领域的公开技术分享和实践，理解其技术文化
• 准备一份关于如何设计或改进一个RAG/搜索平台的简要技术方案，用于面试中展示系统性思维
• 突出主导或深度参与大规模分布式系统（如搜索、推荐、数据平台）架构设计与优化的经历
• 详细描述在RAG、向量检索、搜索引擎或类似AI信息平台的核心建设成果
• 强调解决过高并发、大流量、数据处理等复杂工程问题的具体案例和量化指标
• 如有使用AI工具提效或推动团队研发流程改进的经验，务必写明
• 系统性地复习和深化对RAG、向量数据库、混合检索等技术的理解与实践经验
• 学习并实践AI Coding工具，积累将其融入开发流程以提升效率的具体案例

面试指南

• 采用STAR法则（情境、任务、行动、结果）结构化地讲述过往项目经验，突出个人在技术决策和架构设计中的核心作用
• 对于系统设计类问题，先梳理核心需求与边界，再分层阐述架构（数据层、服务层、接入层等），并说明关键模块的技术选型和设计考量（如扩展性、可靠性）
• 回答涉及权衡的问题时（如效率vs成本），明确阐述你的权衡依据和最终选择，并说明如何通过技术手段缓解不利影响
• 请介绍一个你主导设计的复杂技术平台架构，遇到了哪些关键挑战，是如何解决的？
• 如果让你从零开始设计一个面向Agent的RAG平台，你的整体架构思路和核心模块会如何划分？
• 在处理大规模数据的向量索引构建和更新时，有哪些工程难点？你过去是如何优化的？
• 你如何衡量一个AI信息服务平台的‘效果’和‘效率’？会设计哪些关键指标和实验评测方案？
• 当算法团队对平台提出新的、复杂的需求时，你通常如何评估、沟通并推动落地？