AI开发工程师

优缺点分析

角色解读

• 技术专家路径：深耕大模型部署优化、多模态AI算法，成为汽车AI领域的技术专家或架构师
• 业务融合路径：深入理解汽车智能化业务，从技术执行者转向技术规划者或产品技术负责人
• 管理路径：在积累足够项目经验后，可向AI技术团队负责人或项目经理方向发展
• 负责将大模型（如Qwen、DeepSeek）部署到车机等端侧设备上，并进行应用开发
• 设计并开发车机端的AI功能，特别是多模态交互（如图像、语音）和语音AI功能
• 评估外部供应商提供的大模型，判断其是否符合具体项目需求，并负责技术选型
• 参与公司前瞻性AI技术的预研工作，探索新技术在汽车业务场景中的落地可能性
• 熟练掌握至少一种大模型推理框架（如MNN、vLLM、llama.cpp）的部署和应用
• 具备使用RAG、Function Calling、上下文工程等技术构建复杂AI应用场景的能力
• 熟悉至少一个AI Agent开发框架（如Langchain、Langgraph），能够搭建智能体应用
• 拥有良好的沟通协作能力，能够拆解需求、评估工作量并制定可行的开发计划

申请策略

• 在申请和面试中，可以表达对汽车智能化趋势的理解，以及将AI技术与汽车产品结合的兴趣
• 提前了解一汽-大众在智能化、电动化方面的战略和已推出的相关产品，展示你的业务洞察力
• 重点突出与大模型（如Qwen、DeepSeek）部署、优化相关的项目经验，写明使用的框架（如vLLM）
• 详细描述使用RAG、Function Calling或Langchain等框架构建AI应用或Agent的具体案例和成果
• 如果有车联网、嵌入式开发或任何与“端侧”部署相关的经验，务必单独列出并强调
• 展示良好的团队协作和项目管理能力，例如如何拆解需求、评估并按时完成开发任务
• 若对车机系统或汽车行业不熟悉，可提前了解智能座舱、车载系统的技术架构和行业动态
• 针对大模型推理框架（MNN/vLLM/llama.cpp），选择一个进行深入学习和实践，准备好能讨论其原理和优化点

面试指南

• 对于技术问题，采用STAR原则（情境、任务、行动、结果）来组织答案，重点突出你的技术决策、解决问题的过程和最终效果
• 对于场景设计或评估类问题，展现你的系统性思维：从业务目标出发，拆解技术需求，权衡性能、成本、用户体验等多方面因素
• 在回答中自然地融入你对汽车行业或具体业务场景的思考，展示技术为业务服务的意识
• 请详细介绍一个你参与过的大模型部署项目，遇到了哪些挑战，是如何解决的？
• 你如何评估一个第三方大模型是否适合某个具体的车机AI功能需求？
• 请举例说明你是如何使用RAG或Function Calling来增强AI应用能力的
• 如果让你设计一个车机语音助手Agent，你会考虑哪些架构模块和技术选型？
• 请描述一次你成功推动一项新技术或新方案在项目中落地的经历