蚂蚁集团-AI搜索及大模型应用研发工程师-北京/杭州

优缺点分析

角色解读

• 技术专家路线：深入AI搜索、大模型应用等方向，成为领域内的权威专家
• 架构师路线：负责整个AI能力平台的设计与演进，推动技术架构的升级与扩展
• 技术管理路线：带领团队完成关键项目，逐步向技术经理或总监发展
• 设计和研发AI搜索系统，构建非结构化与结构化智能检索能力，处理大规模数据下的搜索技术攻关
• 负责AI Memory系统的架构设计与实现，开发Agent可调用的长期记忆和个性化记忆，提升Agent智能水平
• 构建高时效、高质量的数据索引体系，涵盖网页、图片、文档等多模态数据及行业知识库的收录与理解
• 将大模型、向量检索、知识图谱等技术融合到搜索、Memory、MCP链路中，推动平台化建设，形成统一能力底座
• 精通Java、C++、Python至少一门编程语言，具备扎实的工程基础
• 在AI数据、大模型应用或AI搜索/Memory方向有深度经验，如大规模数据处理、RAG系统、搜索引擎开发等
• 熟悉TensorFlow、PyTorch、vLLM等框架，了解大模型推理优化和MLSys前沿技术
• 具备良好的逻辑思维和创新能力，对AI Native应用有热情

申请策略

• 在面试前了解蚂蚁集团AI战略和已推出的AI产品，思考如何结合自身经验贡献价值
• 准备一个完整的项目案例，从问题定义、技术方案到最终效果，体现系统性思维
• 重点突出在AI搜索、RAG、Agent或大规模数据索引方面的项目经验，注明具体技术选型和成果
• 强调对Java、C++或Python的熟练程度，以及参与过的分布式系统或高性能服务开发
• 如果曾在相关顶会发表论文或有开源贡献，务必列出，这是重要加分项
• 展示对AI Native应用的理解和热情，例如写过技术博客或参与过相关竞赛
• 补充大模型推理优化和长上下文处理的相关知识，如vLLM、SGLang的使用经验
• 深入学习LangChain、LlamaIndex等框架，并动手实践RAG或Agent项目

面试指南

• 项目介绍类：使用STAR法则（情境-任务-行动-结果），重点突出技术决策和量化收益
• 系统设计类：从需求分析、技术选型、架构分层、关键挑战及应对策略展开，体现全局观和深度
• 技术原理类：先阐述基础概念，再结合实际应用场景说明，最后指出权衡和优化方向
• 请介绍一个你主导的AI搜索或RAG系统项目，包括技术架构、挑战和优化方法
• 如何设计一个支持大规模数据实时更新的索引系统？
• 在Agent Memory系统中，如何保证记忆的时效性和准确性？
• 大模型推理优化中，你了解哪些技术？例如量化、剪枝、vLLM等
• 向量检索中常用的近似最近邻算法有哪些？各自优缺点是什么？