AI Agent开发工程师

优缺点分析

角色解读

• 技术深耕：成为AI Agent与数据智能领域的专家，主导广告诊断平台架构演进
• 业务专家：深入理解广告业务，从数据驱动角度推动业务增长，晋升为技术Leader
• 横向扩展：可转向通用AI Agent平台开发、大模型应用架构师等方向
• 负责广告行业数据仓库和语义层建设，构建指标体系与业务知识库，为数据分析提供基础
• 设计并开发广告诊断Data Agent，实现异常检测、自动归因、诊断报告生成等核心能力
• 基于大模型、RAG、Tool Calling、Agent Workflow等技术，开发智能诊断引擎
• 优化Agent推理逻辑，推动在广告业务中落地，提升分析效率与决策质量
• 熟练掌握SQL、Python及Hive/Spark/Flink等大数据组件，具备数据建模能力
• 深入理解LLM应用开发，熟悉RAG、Prompt Engineering、Agent编排等前沿技术
• 理解互联网广告业务逻辑（ROI、CTR、CVR等），能将业务问题转化为Agent能力
• 具备较强的工程落地能力，能够独立完成复杂系统的设计与开发

申请策略

• 在投递前了解vivo广告业务（如vivo应用商店广告、信息流广告），在面试中体现行业认知
• 准备一个完整的Agent demo或项目案例，展示从数据处理到推理输出的闭环能力
• 突出数据仓库、指标体系建设的实际项目经验，展示SQL、Python及大数据组件能力
• 强调LLM应用相关经历，如RAG、Agent开发、Prompt Engineering等，最好有落地案例
• 如有广告平台或归因分析经验，务必详细描述
• 展示解决复杂业务问题的能力，例如如何将业务问题结构化为技术方案
• 补充LangChain、LangGraph等Agent框架的动手实践，可做小项目演示
• 深入了解广告业务指标（ROI、CTR、CVR等）及归因逻辑，准备相关知识

面试指南

• STAR法则：描述具体情境、任务、行动和结果，突出技术选型和业务价值
• 结构化思考：先定义问题，再拆解步骤，从数据采集、分析到推理输出
• 结合LLM: 说明如何利用大模型推理能力，同时提及避免幻觉的策略
• 请详细描述你过去参与的一个数据仓库或指标体系建设项目，如何设计模型？
• 你如何理解RAG在广告诊断场景中的应用？请设计一个简单的Agent workflow
• 给定一个广告异常指标（如ECPM下降），你会如何设计自动归因分析流程？
• 你用过哪些Agent框架？LangChain与AutoGen的区别是什么？
• 请解释一下广告归因中常用的分析方法（如Shapley值、马尔可夫链等）