广告数据洞察Agent算法工程师（实习）-商业算法

优缺点分析

角色解读

• 技术深化：从数据Agent开发起步，逐步深入大模型微调、RAG检索增强生成等前沿技术，成为AI算法专家
• 业务复合：结合广告业务场景，向数据产品经理或商业分析方向转型，成为懂业务的技术骨干
• 管理路线：在团队中承担核心模块，后续可晋升为技术负责人，带领Agent算法团队
• 负责数据Agent的核心算法研发，包括Text2SQL（自然语言转SQL）和NL2Chart（自然语言转图表），让用户通过自然语言查询数据并自动生成洞察
• 构建Multi-Agent协作框架，让多个智能体分工完成意图理解、任务规划、工具调用和结果验证，提升数据分析的自动化程度
• 结合趋势洞察、人群画像等业务场景，优化Agent的推理能力，确保分析结论准确且可解释
• 扎实的机器学习和统计学基础，能够理解常见模型和评估指标，并应用于数据洞察场景
• 熟练掌握SQL，具备Text2SQL相关经验者优先，能设计自然语言到SQL的转换逻辑
• 熟悉数据分析和BI平台，有互联网广告或数据产品实习经验更佳，能快速理解业务需求

申请策略

• 在简历或求职信中表达对小红书广告业务的理解，尝试分析小红书的平台特点与数据价值
• 关注小红书技术团队的开源项目或技术博客，在面试中展现对公司的兴趣
• 突出自然语言处理（NLP）相关项目经验，尤其是Text-to-SQL或对话系统方向，展示算法实现细节
• 强调SQL熟练度和数据分析能力，可附上利用SQL解决实际问题的案例（如数据清洗、报表开发）
• 如有机器学习竞赛（Kaggle等）或论文发表，务必列出，体现算法功底
• 提前学习LangChain、AutoGPT等Agent框架，理解Multi-Agent协作原理
• 练习Text2SQL常见数据集（如Spider），熟悉模型（如T5、LLaMA）的微调方法

面试指南

• 对于技术设计题，先明确输入输出，再分步骤说明关键组件（如NL解析、SQL生成、结果验证），并提及可能的优化点
• 评估类问题可从准确性、可解释性、效率三个维度展开，结合具体业务场景举例
• 请解释Text2SQL的基本流程，并举例说明如何解决语义歧义问题
• 设计一个Multi-Agent框架用于数据分析，包括各Agent的职责和通信方式
• 如何评估一个数据洞察Agent的生成结果是否准确？给出具体的评估指标
• 你如何理解‘数据驱动’？在广告业务中，你能想到哪些数据洞察的应用场景？
• SQL题：给定用户行为表和广告投放表，计算某广告的转化率
• 复习自然语言处理基础知识，特别是序列到序列模型、注意力机制