算法实习生

优缺点分析

角色解读

• 从实习生转为正式AI工程师，深入参与核心算法研发
• 成为LLM应用专家，主导游戏内AI功能的落地与优化
• 向AI架构师或技术管理方向发展，带领团队攻克复杂问题
• 参与将大语言模型（LLM）集成到游戏公司内部业务中，如智能NPC、对话系统等
• 使用Prompt Engineering和Agent技术调整LLM输出，使其更符合人类偏好和游戏场景
• 构建和优化检索增强生成（RAG）系统，提升模型对特定领域知识的召回和应用效果
• 扎实的Python编程能力和Linux开发环境经验，能快速实现算法原型
• 深入理解Prompt调优和LLM Agent原理，能够设计有效的提示策略
• 熟悉RAG系统架构，了解文档检索、嵌入模型等组件
• 具备一定的调研能力，能阅读最新论文并复现代码

申请策略

• 在简历和面试中强调对游戏的热爱，结合具体游戏案例说明AI应用场景
• 提前了解莉莉丝的游戏产品，思考LLM可以如何提升游戏体验
• 突出Python、PyTorch/TensorFlow等深度学习框架项目经验
• 强调参与过的LLM相关项目，如对话系统、文本生成、Agent开发等
• 展示开源贡献或技术博客，体现对LLM技术的热情和调研能力
• 提及游戏相关经历（如游戏策划、游戏AI开发），体现行业匹配度
• 系统学习Prompt Engineering和LangChain、AutoGPT等Agent框架
• 动手搭建一个简单的RAG系统，熟悉Chroma、FAISS等向量数据库

面试指南

• STAR法则：讲清情境、任务、行动、结果，突出技术细节和量化效果
• 从问题分析、方案设计、实验验证、迭代优化四个步骤展示思路
• 结合具体案例，强调对LLM原理的理解和实践经验
• 如何设计Prompt让LLM输出符合游戏角色性格的对话？
• 解释RAG的原理，并说明在游戏场景中可能遇到的数据问题
• 你用过哪些Agent框架？它们各自的优缺点是什么？
• 如果LLM回答不准确，你会如何排查和优化？
• 描述你实现过的LLM相关项目，遇到了什么挑战？