Java开发_AI数据平台研发

优缺点分析

角色解读

• 技术深度上，可向AI Agent架构专家或大数据平台架构师方向发展
• 广度上，可扩展至AI产品经理或技术团队负责人，结合业务推动AI转型
• 也可向内部技术顾问或技术布道者角色发展，推动新技术在组织内落地
• 结合大模型（LLM）能力，开发AI驱动的新一代数据开发治理平台，涵盖数据分析、开发、运维和治理
• 负责大模型智能Agent的架构设计与核心模块开发，支撑复杂业务场景下的自主决策与多步执行
• 设计并优化高并发、高可用的数据平台架构，包括大规模任务调度与超大规模数据治理
• 跟踪业界大数据和AI技术前沿，推动相关工具和技术在团队内的落地实践
• 精通Java及Spring生态，具备高并发和性能调优的深入实践
• 良好的Python开发能力，能灵活运用于脚本开发
• 扎实掌握Agent核心技术：规划、记忆、工具调用、RAG、工作流引擎等
• 对大数据技术体系有基础认识，包括Hadoop、Spark、Flink、Airflow等

申请策略

• 在简历中明确写出对AI Agent技术的理解，可附上相关Demo或GitHub链接
• 面试前了解盛趣游戏的数据平台现状和AI方向，思考如何将Agent应用于游戏数据场景
• 突出Java高并发和性能调优的项目经验，尤其是实战案例和数据指标
• 如有Agent或大模型相关项目（即使只是实验性质），详细描述实现细节和效果
• 强调大数据技术栈的使用经验，如Spark、Flink、Airflow等，并说明在项目中的角色
• 列出开源贡献或技术博客，展示对技术前沿的持续关注
• 系统学习Agent核心概念（规划、记忆、工具调用等），可通过LangChain或AutoGPT等开源项目实践
• 补充大模型（LLM）的基本原理和API调用方法，熟悉Prompt Engineering和RAG技术

面试指南

• 对于项目类问题，使用STAR法则（情境-任务-行动-结果）结构化回答，突出个人贡献和量化成果
• 对于设计类问题，先明确需求和约束，再给出分层或模块化方案，最后评估优缺点
• 对于技术原理问题，从核心概念、工作流程、实际应用三个层面展开，体现理解深度
• 请详细描述你参与过的Agent项目，包括架构设计、关键技术选型和遇到的挑战
• 如何设计一个高可用、高并发的大数据任务调度系统？请谈谈你的思路
• 请解释RAG技术的工作原理，以及如何将其融入Agent的工作流程
• 你如何调优Java应用的性能？请给出具体案例
• 你对大数据治理的理解是什么？有哪些元数据管理工具的经验？