算法工程师（智能体系统开发方向）

优缺点分析

角色解读

• 技术专家路线：深入大模型与智能体架构，成为领域权威
• 项目负责人：主导智能体系统从设计到落地的全流程
• 技术管理：带领团队攻克技术难点，推动产品创新
• 设计并实现基于大模型的智能体架构，包括多智能体协作、任务规划与工具调用
• 结合业务场景进行Prompt Engineering和RAG优化，提升模型效果
• 制定评估指标，与前后端协作推动智能体在真实场景落地
• 撰写技术文档、实验报告，协助专利和论文撰写
• 精通大模型算法（Bert、GPT、Llama、Qwen等）及Prompt设计方法论
• 熟练掌握LangChain、MetaGPT、AutoGPT等智能体框架
• 扎实的Python编程能力，熟悉FastAPI/Flask、异步任务、服务化部署
• 具备RAG架构与向量检索经验，了解前后端协作流程

申请策略

• 了解国机集团在机械行业的AI应用方向，准备相关案例
• 表达对技术前瞻性的理解，能快速跟进新工具
• 突出智能体项目经验，尤其是使用LangChain等框架的实际案例
• 强调大模型优化（Prompt、RAG）的量化效果，如准确率提升
• 展示Python工程能力，如FastAPI部署、异步任务设计等
• 如有专利或论文，注明相关成果
• 深入掌握LangChain源码，理解Agent架构设计原理
• 补充RAG相关知识，如向量数据库、检索策略优化

面试指南

• 使用STAR方法：情境、任务、行动、结果，具体说明项目细节
• 结合技术原理与实际案例，展示对底层机制的理解
• 对比不同方案的权衡，体现工程思维
• 请描述一个你设计过的智能体系统，包括架构和遇到的挑战
• 如何评估多智能体协作的效果？有哪些指标？
• 在RAG中如何处理文档分块和检索排序？
• 如何解决大模型在工具调用中的幻觉问题？
• 你对LangChain、MetaGPT的优缺点有什么看法？