蚂蚁集团-Agent Infra工程师(记忆方向）-杭州

优缺点分析

角色解读

• 技术专家路线：深耕AI基础设施领域，成为记忆系统、Agent平台方面的资深技术专家或架构师
• 技术管理路线：凭借在核心平台项目中的出色表现，带领团队负责更大范围的AI平台建设
• 设计和构建服务于全公司的AI记忆与个性化平台，这是AI Agent和推荐系统的底层核心能力
• 将底层的记忆/数据服务能力抽象成标准化、平台化的接口，供多条业务线像“乐高”一样快速接入使用
• 主导老旧系统向新平台架构的平滑迁移，确保迁移过程中业务不停、数据不丢
• 扎实的Java/Python工程能力和对分布式、高并发系统的深刻理解
• 在AI数据、Agent应用或AI搜索/Memory任一领域有深入的实战经验，熟悉RAG、向量检索、记忆管理等技术
• 具备架构设计思维，能够将复杂业务需求抽象为平台能力，并理解如何保障系统高可用与稳定性

申请策略

• 研究蚂蚁集团在AI Agent、金融智能体等领域的公开技术分享，了解其业务场景和技术选型
• 思考并准备清晰回答：为什么需要公司级的记忆平台？它解决的核心问题是什么？你在其中能贡献什么独特价值？
• 详细描述你参与过的分布式系统或中间件项目的架构设计与开发经历，突出高并发、高可用方面的实践
• 重点包装你在AI数据、Agent应用或RAG/Memory任一方向的深度项目经验，用具体数据和成果说明（如性能提升、接入业务数等）
• 如有平台化建设、老系统重构或迁移经验，请务必单独列出并阐述你的角色和解决方案
• 深入复习和梳理大模型应用框架（如LangChain、LlamaIndex）的核心原理与实践案例
• 系统学习向量数据库、混合检索、Re-ranking等相关知识，准备实际项目中可能遇到的细节问题
• 准备一个关于“记忆系统如何设计”的完整思路，包括存储、检索、更新、衰减等环节

面试指南

• 对于系统设计类问题，可采用“业务场景分析 -> 核心需求定义 -> 整体架构设计（分模块） -> 关键技术选型与难点解决 -> 演进规划”的框架来回答
• 对于项目经验类问题，使用STAR法则，重点突出你在其中的技术决策、克服的困难以及量化的结果
• 对于技术深度问题，展现你的知识体系，从原理层面解释，并结合实际项目中的经验教训进行说明
• 请描述一个你主导或深度参与的、涉及高并发和分布式架构的项目，遇到的最大技术挑战是什么，如何解决的？
• 如果让你为公司设计一个统一的记忆/个性化服务架构，你会考虑哪些核心模块和关键设计点？
• 在RAG系统中，如何优化向量检索的召回率和精度？你有哪些实际经验或思考？
• 你如何平衡新平台建设与老业务系统迁移之间的矛盾，保障业务连续性？
• 请介绍一个你应用大模型技术解决实际业务问题的案例，其中Agent或记忆管理是如何起作用的？