2027届-博/硕/本-Agent开发工程师-杭州

优缺点分析

角色解读

• 从初级Agent开发工程师成长为AI架构师或技术专家，主导复杂智能体系统的设计
• 向AI业务负责人方向发展，结合业务场景推动大模型与Agent技术的商业化落地
• 负责智能Agent系统的架构设计与核心模块开发，包括多Agent协作、任务规划与工具调用引擎
• 设计Agent的记忆、推理和决策机制，提升其在复杂业务场景下的自主性与可靠性
• 搭建Agent应用的评测与质量保障体系，跟踪前沿技术并进行业务落地实践
• 精通Python/Java等主流编程语言，具备扎实的数据结构与算法基础
• 深入理解Agent原理（Planning、Memory、Tool Use等）及主流开发框架（LangGraph等）
• 精通Prompt Engineering，熟悉大模型原理及服务端基础技术（数据库、容器化等）

申请策略

• 了解康龙化成在临床研究与CRO领域的业务背景，思考Agent技术如何赋能医药研发流程
• 准备好展示你的技术博客或GitHub开源项目，这将是极大的加分项
• 突出在Agent系统构建、多Agent协作或复杂工作流编排方面的实际项目经验
• 展示对LangGraph、AgentScope等主流框架的熟悉程度，以及Prompt Engineering的优化案例
• 强调RAG系统搭建经验或参与过的开源项目、技术博客及Agent应用作品
• 深入学习Agent核心机制（如Reflection、Loop）及评测体系建设方法
• 动手实践一个完整的Agent应用项目，涵盖任务规划、工具调用与记忆管理

面试指南

• STAR法则：针对项目经验，从背景、任务、行动、结果四个维度清晰阐述
• 架构思维：在回答系统设计问题时，先讲整体架构，再深入核心模块（如记忆、规划），最后讨论优化与评测
• 请详细描述你设计过的一个Agent系统，包括其架构、记忆机制和工具调用流程
• 在复杂业务场景下，如何评估和优化Agent的可靠性与任务成功率？
• LangGraph和AgentScope在架构设计上有什么异同？你在实际项目中为什么选择其中一种？
• 如何设计高质量的系统提示词（Prompt）以提升大模型在特定任务中的表现？
• 复习大模型与Agent相关的核心论文及开源框架源码，理解其底层原理
• 准备1-2个自己主导或深度参与的Agent项目案例，能够深入探讨技术细节与踩坑经验