供应链产品技术部-AI应用研发工程师（物流履约）-杭州

优缺点分析

角色解读

• 技术专家路线：深耕物流履约AI化领域，成为该垂直领域的AI架构师或首席工程师
• 技术管理路线：带领小团队负责特定AI应用模块的端到端交付，向技术Team Leader或经理发展
• 前沿探索路线：专注于AI Native研发范式和工程协议（如MCP），成为公司内部AI工程化转型的布道者与推动者
• 设计和实现物流履约核心系统的领域模型与架构，并将AI能力（特别是LLM和Agent）深度集成到业务流程中
• 负责AI Agent在智能调度、异常处理等复杂场景的研发、调优和落地，解决长尾问题
• 构建和维护基于RAG的企业级知识库，优化Prompt，并参与MCP等前沿工程协议的实践，提升AI应用的稳定性和可扩展性
• 扎实的Java后端开发功底，精通分布式系统设计，熟悉Spring Cloud、Redis、Kafka等技术栈
• 深入理解LLM原理，具备高级Prompt Engineering能力，并有使用LangChain等框架进行Agent开发的实战经验
• 熟悉DDD方法论，能够进行清晰的领域建模和系统重构，为AI应用提供良好的架构基础
• 熟练使用AI IDE工具（如Cursor），并具备将其融入开发流程以提升团队效能的实践能力

申请策略

• 仔细研究天猫菜鸟物流的业务和技术动态，在面试中展现你对业务的理解和技术方向的思考
• 准备一个“AI技术解决复杂业务问题”的深度案例，清晰阐述从业务理解、技术选型、方案设计到落地效果的完整过程
• 突出Java和分布式系统项目经验，详细描述设计高并发、高可用系统的实践
• 重点展示使用LLM、Agent（如LangChain）进行应用开发的项目，强调解决的具体问题和取得的量化效果（如效率提升、准确率提升）
• 描述利用AI工具（如Copilot、Cursor）提升开发效率的实践经验，体现AI Native意识
• 提及参与过系统重构、架构设计评审或DDD实践的经历，展现架构思维
• 深入学习Prompt Engineering高级技巧和RAG架构，尝试在实际项目中应用并优化效果
• 系统学习MCP协议、Context Engineering等前沿概念，了解其在工业界的最新实践

面试指南

• 对于项目经验类问题：采用STAR法则（情境-任务-行动-结果），重点突出你的技术决策、面临的困难和最终的量化成果
• 对于系统设计类问题：遵循“问题定义-核心原则-模块设计-技术选型-潜在问题”的框架，展现你的结构化思维和业务技术结合能力
• 对于技术原理类问题：先阐述核心概念，然后结合实际应用场景（最好是JD中的物流履约场景）说明其价值和挑战，展示理解的深度
• 请介绍一个你主导的、将AI技术融入传统系统的项目，遇到了哪些技术挑战？如何解决的？
• 在你的理解中，如何为一个复杂的业务场景（如智能调度）设计一个有效的Agent？关键步骤和考虑因素有哪些？
• 请解释一下RAG（检索增强生成）的原理
• 在构建企业级知识库时，会遇到哪些挑战？如何优化检索和生成的效果？
• 你如何看待MCP协议这类新兴技术标准？它们对构建AI应用会带来什么影响？