【算法岗】算法简历优化/简历修改/简历润色/面试辅导/模拟面试

感兴趣的话请直接将简历发至邮箱： guochengwei.gcw@alibaba-inc.com职位描述：1. 负责将大模型（LLM）能力落地到实际业务场景，包括但不限于Prompt工程、智能对话、知识库建设、内容生成及业务流程自动化；2. 设计并开发AI Agent系统及其框架，负责任务规划、多步推理（CoT）、工具调用（Function/Tool Calling）、记忆管理及多智能体协同等核心模块的实现；3. 构建LLMOps全链路流程，包括大模型应用评测、监控告警、数据标注及RAG（检索增强生成）全链路优化（如切片算法、召回重排等）；4. 参与大模型业务应用平台的研发，推动MCP（模型控制协议）生态建设、工作流编排及代码生成等提效工具的开发，构建高可靠、高扩展的AI架构。职位描述（英文）：职位要求：1. 本科及以上学历，计算机、人工智能、软件工程、数学或相关专业；2. 熟练掌握 Java、Python、Go、C++ 中至少一门编程语言，具备扎实的数据结构、算法基础、操作系统知识及良好的编程习惯；3. 了解大模型应用开发原理，熟悉 Prompt Engineering、RAG、LangChain、LlamaIndex 或 Dify 等业界主流大模型开发框架；4. 熟悉主流大模型（如GPT、Qwen、Llama等）的接口调用及特性，了解 Agent 架构及相关组件；5. 具备卓越的学习能力和自驱力，对AI技术充满热情，能够快速跟进并掌握业界最新技术动态。

AI 这波浪潮来得太快了。半年前面试还在聊微服务和高并发，现在面试官张口就是：RAG 怎么做的？Agent 的执行链路是什么样的？你的检索策略是怎么设计的？会话记忆怎么控制 Token 成本？这些问题已经不是加分项了，而是越来越多 JD 里的硬性要求。但现实是，大部分人接触 AI 的方式还停留在"调 API"的阶段——跟着教程往向量库里塞点数据，让大模型吐一段话，截个图发朋友圈说自己"做过 RAG 了"。面试官稍微追问两句就露馅：文档怎么切的？检索召回率低怎么办？幻觉怎么控制？一问三不知。跑通一个 Demo 和做出一个能上线的系统，中间差的不是几行代码，...

已经自学三四个月了，是项目太简单了吗？我是不是要再补一两个更深度的偏后端的项目呢？投了一两百份基本上0面。有点崩溃了。

1. 自我介绍自我介绍不要按时间线念简历，直接围绕岗位能力说。可以先用一句话说明自己主要做 Agent 应用、语音交互链路、工具调用编排和推理服务，然后挑两段最能体现深度的经历展开：一段讲系统设计，比如多 Agent 协作、上下文压缩、工具协议和评测闭环；另一段讲落地，比如低延迟 ASR 接入、意图识别、写作风格学习、线上指标和 bad case 修复。最后收在一个最近做得最深的点上，例如流式语音 Agent、MCP 工具治理、skill 路由或者多约束任务规划，让后面的追问自然落到自己准备过的区域。2 Agent 项目的架构设计如果从入口到结果回写完整讲一遍，应该覆盖哪些关键组件一条完整链路...