AI Agent资深研发-四轮租车技术

优缺点分析

角色解读

• 深耕AI Agent领域，成为智能体架构专家，主导核心AI产品的技术方向
• 横向扩展到大模型应用的全链路，包括模型微调、评估和部署，晋升为技术Lead或架构师
• 结合业务场景，往AI产品经理或技术总监方向发展，实现技术到业务的跨越
• 设计和实现AI Agent智能体，包括任务规划、工具调用和对话管理，确保在复杂业务场景下的稳定性和高效性
• 参与基于RAG的知识问答应用开发，优化检索、召回、重排等模块，提升准确率和用户体验
• 负责LLM业务系统架构设计，包括服务拆解、接口设计、模型调用层及监控缓存等
• 进行Prompt设计与版本管理，搭建评测体系，通过数据驱动持续优化模型效果
• 扎实的后端工程能力：5年以上Java开发经验，掌握复杂业务系统的落地实践
• AI Agent与RAG技术：熟悉Agent框架、检索增强生成技术及Prompt工程
• 系统架构设计能力：能独立设计LLM相关的服务架构，考虑性能、可观测性和成本
• 良好的工程素养：重视代码质量、测试、日志和性能优化

申请策略

• 在简历中附上技术博客或GitHub链接，展示对AI技术的热情和动手能力
• 了解哈啰出行业务（如租车、出行场景），思考AI如何提升用户体验和运营效率，面试时展现业务理解
• 突出Java后端开发经验，尤其是高并发、分布式系统的项目案例
• 强调与AI相关的项目经历，比如智能客服、对话系统、知识图谱或LLM应用
• 展示对Prompt工程和模型评估体系的实践经验，附上具体优化效果的量化数据
• 系统学习LangChain、LlamaIndex等Agent框架，动手搭建一个简单的Agent应用
• 深入理解RAG的检索和重排算法，熟悉Elasticsearch或向量数据库的使用
• 了解LLM的部署和推理优化，如vLLM、TGI等工具，提升模型调用效率

面试指南

• STAR原则：描述背景、任务、行动和结果，突出技术选型、难点解决和量化成果
• 对比优化：说明不同方案（如不同Agent框架、检索策略）的优缺点，展示思考深度
• 系统思维：从整体架构出发，兼顾功能、性能、可维护性和成本，体现工程能力
• 请描述你在实际项目中设计和实现Agent智能体的经验，遇到的最大挑战是什么？如何解决的？
• 谈谈你对RAG技术的理解，如何优化检索的准确率和召回率？
• 如何设计一个基于LLM的对话系统，考虑服务稳定性、成本和延迟？
• Prompt工程中你有哪些调优方法？如何验证Prompt的效果？
• 假设要为一个新业务场景设计Agent，你如何进行任务规划和工具选择？