【北斗】复杂Agent应用技术研究员

优缺点分析

角色解读

• 在Agent技术前沿深耕，成为行业专家，引领Agent架构创新
• 横向拓展至美团各业务线，将Agent技术应用于客服、销售、营销等场景，提升业务影响力
• 向技术管理方向发展，带领团队攻关核心难题，成为技术负责人
• 设计并优化复杂Agent系统的核心架构，解决长周期任务调度、上下文治理和长期记忆等难题
• 构建高扩展性的数据处理Skill体系和安全高效的代码执行沙盒，支撑商业分析场景
• 基于海量用户行为数据，开发精准营销Agent，实现精细化需求理解和大小模型协同
• 探索Skill的表示、调度与自进化机制，推进Agentic RL在真实业务中的应用
• 扎实的LLM训练和应用能力，熟悉主流模型架构和推理优化
• 深入理解Agent系统，有相关项目经验，熟悉任务调度、记忆管理、工具使用等
• 掌握强化学习（RL），特别是Agentic RL，有相关论文或开源贡献者优先
• 具备强大的工程落地能力，熟悉Python/Java，有大型系统开发经验

申请策略

• 提前了解美团本地生活业务场景，思考Agent技术如何赋能具体业务（如外卖、到店、酒旅）
• 准备一个与Agent相关的技术提案或项目复盘，展示你的思考深度和动手能力
• 突出LLM/Agent相关项目经验，尤其是涉及任务调度、记忆管理、工具使用等复杂系统设计
• 强调顶会论文、开源贡献（特别是Star高的Agent项目）或算法竞赛成绩
• 展示在RL领域的实践，如Agentic RL、多智能体协作等
• 如果有代码执行沙盒、数据处理系统开发经验，务必详细描述
• 深入学习Agentic RL，尝试复现相关论文或参与开源项目
• 熟练使用OpenClaw、Claude Code等Agent框架，积累深度使用经验

面试指南

• 用STAR原则回答项目问题：情境、任务、行动、结果，突出你的贡献和思考
• 对架构设计问题，先明确需求边界，再分层设计（数据层、控制层、执行层），并说明权衡
• 对理论问题，先定义概念，再展开原理，最后结合实例说明应用场景
• 请设计一个面向客服场景的Agent系统架构，包括任务调度、记忆管理和工具调用
• 如何实现Agent的长期记忆？请对比几种常见方案（如向量数据库、结构化记忆、压缩）
• 解释Agentic RL的核心思想，与传统RL的区别是什么？如何解决稀疏奖励问题？
• 描述你在LLM应用中的一个项目，遇到了哪些挑战，如何解决的？
• 如何评估一个Agent系统的性能？请提出具体的指标和评估方法