Keeta 客户端研发工程师

优缺点分析

角色解读

• 从AI-Native客户端工程师成长为技术专家或架构师，主导AI与客户端融合的方向
• 可以横向扩展至全栈AI应用开发，或向AI Agent、多模态等前沿领域深入
• 在美团这样的平台，有机会参与全球化产品建设，提升技术影响力
• 设计并研发AI-Native客户端功能，将LLM、Agent、RAG等深度集成到产品中，创造智能搜索、AI助手等体验
• 推动AI-Coding工作流，包括利用Cursor、Copilot等工具提升开发效率，并建立最佳实践
• 将前沿AI技术工程化落地，负责性能优化、稳定性保障和监控体系建设
• 在团队内建设AI-Native工程文化，制定Prompt管理、AI测试等规范
• 精通客户端开发（Kotlin/Swift/TypeScript/Python等）及架构设计
• 深入理解LLM应用开发核心概念：Prompt Engineering、Function Calling、RAG、Agent设计
• 熟练使用AI编程工具（如Cursor、Claude Code），并能设计高效工作流
• 具备强大的学习能力和技术自驱力，能快速跟进AI前沿技术

申请策略

• 在简历或面试中表达对AI-Native理念的认同和热情，展示你对未来产品形态的思考
• 准备1-2个AI技术落地的思考案例，说明如何平衡用户体验与技术实现
• 突出客户端架构设计经验和复杂度高的项目案例，展示独立负责能力
• 强调AI相关项目经历，尤其是LLM、Agent、RAG等实际应用，说明你在其中的角色和成果
• 体现对AI编程工具（如Cursor）的熟练使用和Prompt Engineering实践
• 列出技术博客、开源贡献或演讲，展示学习能力和技术自驱力
• 如果暂缺AI-Native经验，可系统学习LangChain、LlamaIndex等框架，并动手实践小项目
• 熟悉AI编程工具的高级用法，如自定义Cursor规则、优化Prompt效率

面试指南

• STAR法则：情境-任务-行动-结果，结构化描述项目经验
• 技术决策框架：说明场景、方案选型、优劣分析、最终选择及原因
• 工程化思维：强调不仅关注功能实现，还重视稳定性、可维护性和监控
• 请描述一个你使用LLM/Agent解决实际问题的项目，包括架构设计和挑战
• 如何将Prompt Engineering与工程实践结合，确保AI功能的稳定性和效果？
• 你如何看待AI-Native与AI-Added的区别？在客户端上如何实现AI-Native？
• 请举例你如何推动团队使用AI Coding工具提升效率，遇到过什么阻力？
• 如果你要设计一个基于LLM的智能搜索功能在客户端上，你会如何考虑性能与体验？