蚂蚁国际-AI大模型智能体工程师-EPOS

优缺点分析

角色解读

• 技术方向：从Agent工程师成长为LLM技术专家，深入底层框架和模型优化
• 管理方向：带团队负责完整AI Agent产品线，向技术Leader或架构师发展
• 业务方向：结合蚂蚁国际业务，成为AI+金融/支付领域的行业专家
• 负责AI Agent项目的端到端交付，从业务需求分析到方案架构设计
• 主导Agent平台与智能体建设，落地上下文工程和效果优化工具链
• 深入参与大模型全技术栈，包括数据处理、模型训练、推理部署和评测
• 维护线上生产系统，保障系统稳定性和可靠性，快速定位解决问题
• 扎实的LLM全技术栈能力：数据处理、模型训练（Verl/Megatron等）、推理框架（vLLM/SGLang等）、评测平台
• 生产级AI Agent构建经验，熟悉客户服务、销售等场景
• 优秀的动手实践能力和主人翁意识，能主动推动项目落地
• 良好的英语沟通能力，适应全球化团队协作

申请策略

• 申请前深入了解蚂蚁国际的EPOS业务（电子支付？），思考AI Agent如何提升支付体验
• 在简历或求职信中表达对前沿技术的热情和快速学习能力
• 突出AI Agent生产环境落地项目，尤其是客户服务、销售场景
• 详细描述在LLM训练/推理框架上的实践经验，如vLLM、Megatron等
• 强调开源贡献或论文发表，这是重要加分项
• 展示英语能力，如英文技术文档撰写、国际会议演讲等
• 如果缺乏生产级Agent经验，可参与开源Agent项目（如LangChain、AutoGPT）积累
• 熟悉至少一个主流的LLM推理框架（vLLM、TensorRT-LLM），对比其优劣

面试指南

• STAR法则：情境-任务-行动-结果，突出技术选型和效果量化
• 对比思维：先阐述概念，再从不同维度（如性能、易用性）对比框架，展示系统性理解
• 工程思维：从数据、训练、部署到监控全链路考虑，展现端到端能力
• 请描述你设计并落地的一个AI Agent项目，遇到了哪些挑战？
• 如何评估LLM生成的质量？有哪些评测指标和方法？
• 谈谈你对上下文工程（Context Engineering）的理解和实践
• 如何在线下实验和线上A/B测试之间权衡？
• 你了解vLLM和SGLang的区别吗？在什么场景下选择哪个？