高德-多模态算法工程师-agent方向

优缺点分析

角色解读

• 初级算法工程师 → 高级算法专家：在Agent和多模态方向深入，主导核心模块设计与优化
• 横向拓展：可转向生成式AI产品经理或技术Leader，负责产品化落地
• 行业影响力：通过顶会论文发表和技术分享，成为多模态/Agent领域专家
• 设计开发Agent Harness系统，负责上下文管理、工具调用和长时任务编排，确保Agent稳定运行
• 优化多模态生成任务的效果与成本，包括图文、视频、短剧等内容的自动化生产
• 研究并落地主流Agent框架（如LangGraph），将技术能力产品化，提升团队效率
• 扎实的Agent系统设计能力，熟悉上下文管理、记忆机制和任务编排
• 熟练掌握Python，具备优秀的工程实现和算法优化能力
• 了解图像/视频生成模型（如扩散模型）的原理，有多模态创作经验者优先
• 熟悉LangGraph、OpenClaw等Agent框架，有实际应用经验

申请策略

• 投递前了解高德地图的AI应用方向（如导航、出行、本地生活），在简历中体现相关性
• 面试中准备一个完整的Agent系统设计案例，展示从需求到实现的思考过程
• 突出Agent相关项目经历，尤其是上下文管理、工具调用、任务编排等细节
• 展示多模态生成（图文/视频）的落地案例，附上效果数据或链接
• 强调Python工程能力，如优化过推理速度、降低显存占用等
• 如有顶会论文或开源贡献，重点标注
• 深入LangGraph源码，理解其编排机制，动手实现一个简易Agent框架
• 实践主流图像/视频生成模型（如Stable Diffusion、VideoCrafter）的微调和部署

面试指南

• 结构化回答：先明确问题背景和约束，再提出方案，最后总结权衡
• STAR法则：对于项目经验，描述情境、任务、行动、结果，突出技术难点和量化收益
• 对比分析法：在框架选型或模型选择时，列出优缺点和使用场景，体现决策能力
• 请设计一个Agent系统，支持多步骤工具调用和异常恢复
• 如何优化多模态生成模型的推理速度？你用过哪些方法？
• 对比LangGraph和OpenClaw的异同，谈谈你的选型经验
• 描述一个你处理过的长时任务编排中的挑战及解决方案
• 你对图像生成的最新进展（如Sora、Emu Video）有什么看法？如何应用到导航场景？