蚂蚁集团-智能体与大模型应用工程-健康事业群

优缺点分析

角色解读

• 技术专家路线：深耕AI工程与架构，成为多模态大模型或智能体领域的技术专家
• 架构师路线：负责更大规模的AI平台或核心系统的顶层设计
• 技术管理路线：带领团队攻克技术难关，负责技术规划与团队管理
• 设计和构建多模态大模型应用系统（如RAG、智能对话），负责从架构到落地的全过程
• 搭建和优化智能体核心系统，实现复杂任务的规划、工具调用与多智能体协同
• 深入业务与算法，解决大模型在工程落地中的性能、稳定性与可扩展性问题
• 与跨职能团队协作，将前沿的AI算法转化为可靠、高效的产品服务
• 扎实的编程基础与系统架构设计能力，能独立完成复杂AI工程系统的设计与实现
• 深入理解RAG、向量检索等大模型应用技术，并有相关项目落地经验
• 熟悉智能体架构和LLMOps，具备大模型服务的部署、监控与性能优化实战经验
• 良好的沟通协作与项目管理能力，能高效推动跨团队项目

申请策略

• 深入研究蚂蚁集团在健康领域或AI工程方面的公开技术分享和文章，了解其技术方向与挑战
• 在面试中清晰阐述你对‘多模态RAG系统’或‘智能体核心系统’的技术理解和实施路径，展现系统性思考
• 重点突出与大模型、RAG、智能体相关的项目经验，详细描述技术选型、架构设计和解决的关键问题
• 强调在系统性能优化、高可用架构设计方面的具体成果和数据
• 展示跨团队协作推动项目落地的经历，体现沟通与执行力
• 罗列精通的编程语言及相关AI/ML框架、工具链
• 深入学习最新的RAG技术演进（如Advanced RAG）和主流向量数据库的特性
• 实践搭建简单的多智能体系统，理解任务规划、工具调用等核心模块的实现

面试指南

• 采用STAR法则，清晰描述背景(S)、任务(T)、行动(A)和结果(R)，突出你的技术决策和贡献
• 对于系统设计问题，先明确核心目标与约束，然后分模块（如数据流、服务层、缓存、监控）进行阐述，并说明权衡
• 对于优化类问题，从全链路视角出发：从请求入口、业务逻辑、模型推理到基础设施（如向量索引、缓存、网络），列出可能的瓶颈点和优化手段
• 请描述一个你参与设计或开发的复杂AI应用系统，重点讲讲架构和你负责的部分
• 如何设计一个高可用、高性能的多模态RAG系统？请考虑检索、生成和并发处理
• 智能体的核心模块（如规划、工具调用）如何设计？如何保证多个智能体协作时的效率与准确性？
• 当大模型应用上线后响应变慢，你会从哪些方面排查和优化性能？
• 如何评估一个生成式搜索或智能对话系统的质量？