AI 研发工程师（场景管线）

优缺点分析

角色解读

• 深耕AI工程化方向，成为AI管线架构师或技术专家
• 横向发展为技术美术（TA）或全栈AI工程师，覆盖更多游戏制作环节
• 在游戏行业积累AI落地经验后，可向AI产品负责人或技术经理方向晋升
• 将最新AI模型（LLM、多模态、Agent）快速原型验证并工程化集成到游戏制作管线中，解决真实生产问题
• 使用Python开发工具和脚本，优化材质库、数据处理等重复性工作，提升效率
• 整合Maya、Blender、PS等DCC工具与AI能力，搭建统一工具入口，降低美术人员使用门槛
• 建立团队知识库和流程SOP，确保工具的可维护性和可交接性
• 扎实的Python编程能力，能独立进行工具开发和数据处理
• 熟悉AI模型微调技术，有实际应用案例，对大语言模型、多模态、Agent有实践经验
• 了解图形图像工具（ComfyUI、SD）和DCC软件（Maya、Blender等），能打通AI与产线
• 快速学习新工具新技术的能力，以及跨团队沟通协作能力

申请策略

• 在简历或作品集中展示AI工具在真实产线中使用的案例，而不仅仅是demo
• 了解米哈游的项目（如原神、崩坏系列），思考AI如何提升美术效率，在面试中展示行业洞察
• 突出AI项目实战经验，特别是从原型到工程落地的案例，展示解决问题的能力
• 强调Python工具开发、脚本编写和数据处理能力，附上代码仓库或项目链接
• 展示对游戏行业或DCC工具的熟悉程度，即使是自学项目也值得列出
• 如果有跨团队协作经验，请具体说明角色和成果
• 补充ComfyUI、Stable Diffusion等图像生成工具的使用经验，搭建过工作流
• 学习模型微调技术（LoRA、QLoRA等），并尝试在个人项目中应用

面试指南

• STAR法则：针对项目问题，先简述背景和任务，重点说明你如何实施（具体技术手段）和最终结果（量化指标）
• 结构化思考：对于应用场景问题，从美术管线痛点出发，提出AI辅助方案，并分析可行性和局限性
• 同理心沟通：对于团队协作问题，强调理解对方需求、降低使用门槛、提供培训和文档
• 请描述一个你将AI模型工程化落地的项目，遇到了哪些挑战？如何解决？
• 你如何用Python提升DCC工具（如Maya）的工作流效率？请举例
• 你对大语言模型在游戏开发中的应用有什么看法？能想到哪些具体场景？
• 如何设计一个用户友好的AI工具界面，让非技术人员也能使用？
• 假设你需要向美术团队推广一个AI工具，但对方有抵触情绪，你会怎么做？