AI Agent 开发工程师内推

部门:淘天集团-业务技术-直播技术-用户终端技术-直播C侧前端
岗位:AI Agent 开发工程师 / 实习生
工作地点:杭州

岗位画像:Agent 开发工程师 (AI Coding & 应用生成)
我们正在寻找的,不是一位传统的“前端工程师”,而是一位未来的“创造者”。你将站在前端开发与人工智能的交叉口,与我们一同探索和定义下一代软件的开发范式。我们相信,代码本身就是数据,而最优的开发体验,将由智能体(Agent)来辅助甚至主导。
一句话概括我们的理想伙伴:
一位懂代码、懂用户、懂 AI,并对 AI Coding 这件事抱有极致热情的极客!

我们眼中的你 (The Ideal You):
1. 技术底色:一位有深度的前端工程师
● 基础扎实,但不满足于此:你精通 TypeScript、React 等现代前端框架,但你的兴趣不止于“画页面”。你更懂得代码是如何被解析、转换和执行的。
● Node.js 是你的瑞士军刀:你熟练使用 Node.js 构建后端服务、CLI 工具或自动化脚本,因为你知道 Agent 的能力远不止于浏览器。
2. AI 视角:一位务实的 AI 实践者
● LLM 的重度用户与思考者:你不仅是 GitHub Copilot 或 ChatGPT 的日常使用者,更是它们的“批判性”思考者。你会分析它们为何会犯错,并思考如何让它们变得更可靠。
● Prompt Engineering 是你的第二天性:你善于编写结构化、可控性强的 Prompt,懂得如何通过指令、示例(Few-shot)和思维链(CoT)来引导模型产出高质量的代码。
● 熟悉 Agentic Workflow:你理解或实践过基于 LLM 的智能体工作流,比如 ReAct (Reasoning and Acting) 模式、工具调用(Function Calling)、知识库检索(RAG)等。你知道如何将一个复杂的代码生成任务,拆解成一系列由模型驱动的、可验证的步骤。
● 有探索精神(加分项):你可能尝试过 LangChain/LlamaIndex 等框架,甚至对模型微调(Fine-tuning)有过了解或实践,知道如何让通用模型更懂我们的业务代码。
3. 思维特质:一位充满激情的创造者
● 极客精神与好奇心:对“AI 自动写代码”、“一句话生成应用”这类终极命题充满向往,并有动手把幻想变为现实的冲动。
● 产品与用户导向:你清楚地知道,我们做的不是炫技的玩具,而是要交付给开发者使用的生产力工具。你会深入思考“什么样的 Agent 对开发者真正有价值?”。
● 系统化思考能力:你明白构建一个可靠的 AI Coding Agent 是一个系统工程,涉及需求理解、任务拆解、代码生成、结果验证、自我修正等多个环节,并能设计出闭环的解决方案。
● 拥抱不确定性:这是一个全新的领域,没有现成的“最佳实践”。你乐于在“无人区”探索,能快速学习、实验、试错、迭代,并享受这个过程。

你将在这里做什么 (What You'll Do):
● 设计和构建 AI Coding Agent 的核心能力:使其能够理解复杂的开发需求(例如,从自然语言、设计稿、产品文档中提取意图),并生成高质量、可维护的前端代码。
● 打造面向特定场景的“代码专家”:例如开发一个精通我们内部互动投放平台的 Agent,可以智能推荐和生成符合设计规范的页面、模块、组件;或者一个能自动将旧代码重构为新架构的 Agent。
● 探索“AI原生”的应用生成流程:研究如何将 AI Agent 深度集成到从需求、设计、开发、测试到部署的全流程中,实现“Idea-to-App”或“Design-to-Code”的愿景。
● 构建 Agent 的评估与进化体系:设计一套科学的评测体系(包括不限于:代码正确性、性能、可读性、规范符合度),驱动 Agent 的能力持续迭代和提升。
● 技术布道与分享:你将成为团队乃至公司的 AI 技术先锋,将你的探索和发现赋能给更多的工程师。

如果你看到这里,感到心潮澎湃,仿佛看到了未来的自己,那么,你就是我们正在寻找的那个人。我们期待与你一起,用代码和 AI,共同定义软件开发的未来!
#前端工程师##校招##人工智能#
全部评论
1 回复 分享
发布于 2025-12-24 14:47 广东

相关推荐

岗位:蚂蚁数字科技-智能研发工程一面(11.24 90min):1、自我介绍2、深入讲一下你第一个项目,这个项目里面你设计的智能体的工作流程是怎么样子的?3、详细说一下里面的技术细节?跟模型的交互有哪些提示词,你是怎么设计的?这个过程中有哪些调优?4、你提到了会让模型结合提示词输出类似于json的结构,实际在和模型对接的过程中,有没有遇到模型幻觉问题,模型如果没有按照这层结构输出怎么解决?5、即使使用了few-shot也只是降低了幻觉概率,如果还是发生了,比如先输出了一段总结的话再输出json,有什么方法去兜住这种异常情况?6、有听说过上下文工程吗?你的项目里面有做一些上下文工程的优化吗?7、如果内容超出模型支持的token上限你会怎么解决?8、假如内容里面有不太友好的结构或者语句你会怎么转换变得对模型友好?9、在调用模型那些对话接口的时候,你有没有一些常用的超参数分享一下?10、温度有配置过吗?温度的高低对于模型输出会有怎么样的影响?11、详细介绍一下你的第二个项目12、有看过或者用过spring ai alibaba吗?13、看到你项目里支持对接mcp,讲一下你对mcp协议的了解14、有没有用过另外一个技术function call?讲讲mcp和function call的区别是什么?15、有了解过标准的rag请求分为哪几步吗?16、embedding之后有一个rerank步骤有了解过吗?17、讲一下你embedding所使用的模型18、展开讲一下你写的责任链与规则树的通用流程编排框架?是通过yaml或者json这种配置文件写还是java代码的形式?19、有用过langchain和langgraph吗?20、平时是怎么结合ai编程的,有用到哪些ai相关的产品?21、有用过gpt5的深度研究模式吗?这个深度研究模式跟平时的这种对话模式最大的区别是什么?22、讲一下spring框架的aop机制的原理是怎么样的,用来做一些什么功能23、多线程操作hashmap时会用到怎么样的一个类24、手撕:LRU25、反问二面(12.10 30min):1、自我介绍2、聊背景以及学校合作相关的问题3、选一个项目介绍一下,中间遇到了什么问题?你是怎么解决的?4、为什么想要做agent开发?为什么选择spring ai?5、设计一个双向链表,描述数据结构6、头指针和尾指针有什么作用?如果现在只知道一个node节点,但是不知道头尾指针,怎么把这个节点从链表里面删除?7、我现在手里有100张卡片,上面写了1-1000的整数,设计一个数据结构记录100张卡片的数字。然后随机拿走两张剩下98张卡片,用一个最快的方式找到拿走的两个卡片上的数字是什么?8、问了些个人情况(实习时间、广州人为什么来杭州之类的...)9、反问,无手撕
发面经攒人品
点赞 评论 收藏
分享
2025-12-31 17:09
北京交通大学 Java
这个客户端是偏AI的,28、27都可以投,可以转正。但是我只会Agent开发和Java后端开发,误打误撞投了。早上10:30投简历,下午3点HR打电话问意向城市,出勤率,第二天11点就面试一.关于我的terminal coding agent项目:1.效果怎么样?怎么提速?提速的效果如何?2.multi-agent怎么做的?3.你自己做过MCP吗?刚刚好做过,但是有点难描述4.上下文压缩怎么实现的?二.关于问答智能体项目:1.为什么要做LoRA?效果怎么评估的?我只能勉强会看那几个评估指标2.RAG优化3.Agent的评估和打分怎么做的?以上我感觉还行,我尽力往我的节奏这边带,下面Java就是重灾区,太久不写Java了,面试太突然没有复习三.白牛点评到这里面试官就真的领域展开了1.JVM垃圾回收?不会。JVM内部结构?不会2.Springboot的AOP原理?只记得动态代理。你知道Spring出来之前,开发Java项目怎么样吗?不会。3.为什么要分布式锁?(感觉应该是想问我分段锁)线程问题。4.为什么会有线程问题,举例?迷迷糊糊,不会。还有:你说你会做上下文记忆优化,怎么做的?关系上下文,Mem0,LibSQL,上下文压缩手撕一道完全没有见过的算法题,codetop前200没看见过?输入一个数n,标记1到n,围成一圈,从2开始每隔一个人pop掉,(2,4,6)不够就回头,求最后剩下两个数没有做出来,口述思路应该也是错的😂最后问我知道GUI(Graphical UI)吗?我刚刚好知道,但是记错了,我说的好像是CopilotKit的GUI(generative UI)和Google的A2UI😫
查看15道真题和解析
点赞 评论 收藏
分享
1.你的 Agent 系统Prompt 是怎么设计和迭代的?有没有做过 Prompt 自动优化?当用户提出不完整的请求时,如何补全用户意图的?2.构建 Agent 的时候,遇到过哪些瓶颈?LangChain 的 memory 默认机制在多3.用户并发中怎么做隔离?你是如何保证线程安全的?4.微调 Llama2 你是怎么选择训练样本的?清洗逻辑是什么?你有没有观察到哪些训练样本质量问题对模型行为有很大影响?举例说明。5.DPO相比 SFT,有哪些优劣?它在 Agent 任务上效果提升明显吗?你怎么构造偏好对?构造逻辑是自动的还是人工?6.你说你服务部署在 vLLM 上,为何选择它?KV-cache 如何帮助推理加速?你自己做过哪些优化?7.假如需要支持 Streaming 输出,但当前服务延迟又超标,你会怎么折中设计?8.多轮对话上下文状态管理是如何做的?如何在高并发场景下保证一致性?9.你做的 Agent 使用了多少个外部工具,在调用链条上如何保障故障容错和超时机制?10.有没有做过工具调用失败后的feedback策略设计?11.训练过程中数据来自用户行为日志,你是如何从这些数据中抽取训练对话的?有没有做过归一化或事件抽象?12.有没有了解过带有时间窗口/偏移限制的对话系统?模型怎么“理解时间”?13.你觉得 Agent 哪些模块最容易在真实业务中出问题?你会如何监控和定位的?
点赞 评论 收藏
分享
评论
点赞
收藏
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务