AI-Native 开发工程师（前端方向）

优缺点分析

角色解读

• 纵向深化：成为前端AI工程化专家，主导AI驱动的前端开发流程和工具链建设
• 横向扩展：深入理解音频业务、AI算法和产品逻辑，向全栈或AI应用架构师发展
• 管理路线：在团队中承担技术负责人角色，带领小组完成复杂项目，逐步转向技术管理
• 负责猫耳音频直播、虚拟开播和广播剧点播等产品的前端开发，使用React/Vue构建用户界面并持续迭代
• 利用AI编程工具（如Cursor、Copilot）进行需求分析、编码调试，提升个人及团队研发效率
• 设计和落地AI Workflow，结合大模型、业务规则和人工处理，解决音频内容审核、推荐等实际业务问题
• 参与RAG、Agent等AI能力的产品化，包括知识库建设、对话交互设计和流式输出体验优化
• 扎实的前端基础：精通JavaScript、TypeScript、HTML、CSS，并熟练使用React或Vue框架
• AI工程化能力：熟练使用AI编程工具，有实际搭建AI Workflow、Agent或RAG系统的经验
• 实时交互技术：熟悉WebSocket、SSE、API调用等方案，能处理流式数据和实时通信
• 问题拆解与交付能力：能独立分析需求、拆解任务并高质量交付，重视代码质量和线上稳定性

申请策略

• 在面试中准备一个完整的AI Workflow案例，从需求分析到技术选型、实现细节和效果评估
• 了解B站猫耳音频的产品形态和AI落地场景，思考如何将AI能力融入音频直播和点播
• 突出前端框架（React/Vue）的深度使用经验，最好附上组件化或工程化优化案例
• 重点展示AI相关项目经历：如使用AI编程工具、搭建过AI Workflow、RAG系统或知识库应用
• 强调实时交互（WebSocket/SSE）和性能优化相关成果，体现对线上稳定性和体验的关注
• 如有audio或直播相关开发经验，务必单独列出
• 熟悉LangChain、LlamaIndex等AI Workflow框架，动手搭建一个简单的RAG demo
• 补充学习Prompt Engineering和模型调用基础，了解常用大模型API（如GPT、Claude）

面试指南

• 对于AI相关项目，使用STAR法则：背景、任务、行动、结果，重点突出技术方案选型和效果数据
• 对于稳定性问题，先分析根本原因，再说明监控、告警、灰度、回滚等保障措施，最好有量化指标（如可用率、响应时间）
• 对于架构设计问题，从业务需求出发，列举多个可选方案并比较利弊，最后给出决策依据
• 请描述你使用AI编程工具（如Copilot）的具体场景和效果，如何提升研发效率？
• 你有过搭建RAG系统的经验吗？请详细说明文档切分、检索召回和效果优化的过程
• 在前端项目中你是如何保证线上稳定性的？请举例说明你处理过的线上故障
• 你如何看待AI Workflow中的错误处理和人工兜底？请设计一个简单的兜底方案
• React或Vue中你是如何进行组件化设计以应对复杂业务需求的？