Ai业务开发工程师（平台建设方向）

优缺点分析

角色解读

• 成长为AI平台架构师，主导Agent平台整体技术演进
• 深入AI基础设施领域，成为MCP、Agent Runtime等方向的专家
• 可横向扩展至AI业务应用或AI中台管理方向
• 参与Agent平台核心模块设计与开发，包括模型接入、路由、任务运行时、状态管理等
• 建设MCP/Skill接入体系，沉淀工具注册、权限控制、执行追踪等能力
• 建设Agent Runtime能力，包括任务编排、长任务执行、人工确认、失败恢复等
• 参与AI评估与可观测建设，推动成本优化和稳定性治理
• 扎实的后端工程能力，熟悉API设计、数据库、缓存、消息队列、异步任务等基础设施
• 理解AI应用从demo到生产的关键问题，包括上下文、工具调用、评估、成本、安全等
• 良好的抽象能力，能将业务中重复AI能力沉淀为可复用平台模块
• 质量意识和稳定性意识，主动补齐测试、监控、告警、文档

申请策略

• 了解波克城市游戏业务场景，思考AI平台如何赋能游戏开发与运营
• 突出平台工程或内部工具建设的项目经验，尤其是大规模服务设计
• 展示AI应用生产化经历，如模型部署、成本控制、稳定性保障
• 强调抽象能力：如何将重复需求提炼为通用模块
• 学习MCP协议和Agent框架（LangChain、LlamaIndex、Dify等）的使用与原理
• 补充可观测性（OpenTelemetry）和成本治理（缓存、降级、限流）相关知识

面试指南

• 从需求场景出发，考虑可扩展性、隔离性和容错性
• 结合具体技术选型（如Redis、Kafka、分布式事务）给出实现方案
• 强调通过指标、日志、告警形成闭环，持续优化
• 如何设计一个支持高并发、低延迟的AI Gateway？
• Agent Runtime中的状态管理和失败恢复策略如何实现？
• 请举例说明你如何将重复业务逻辑抽象为平台能力
• 如何控制AI应用在生产环境中的调用成本？
• 如何评估AI Agent的响应质量与稳定性？