AI应用工程师（日常实习生）

优缺点分析

角色解读

• 实习结束后有机会转正，成为正式AI应用工程师，深入参与核心产品研发
• 积累大模型与AIGC实战经验后，可向AI算法工程师、AI架构师方向发展，或转向AI产品经理
• 在网易游戏内部可接触游戏AI、云AI等多个方向，职业路径清晰，技术成长空间大
• 参与AI应用全栈开发，将大模型（如GPT）的API能力整合到游戏工具中，例如实现AI绘图、智能助手等
• 构建高并发、低延迟的AI服务架构，优化模型推理性能与成本，确保用户体验流畅
• 设计与实现AI Native的交互方式，探索人机协作新模式，如通过画布与Agent交互
• 开发AI基础设施，包括Agent套件、模型接入与路由，为多个AI功能提供底层支持
• 扎实的编程基础：精通Go或Python，熟悉数据结构与算法，能进行后端开发
• LLM应用实战经验：掌握Prompt Engineering、RAG、Function Calling、Agent等关键技术的实际开发
• AIGC产品敏感度：熟练使用AI Coding工具（如GitHub Copilot），持续跟进最新产品动态
• Linux与运维能力：能在Linux环境下完成开发、测试、部署及问题排查

申请策略

• 关注网易游戏AI方向的产品动态，在面试时展现对业务的理解和热情
• 提前准备一个AIGC相关的个人项目，展示从构思到实现的完整过程
• 突出LLM相关项目经验，如使用Prompt Engineering或RAG开发的应用程序
• 强调Go/Python编程能力，附上GitHub链接展示代码质量和项目复杂度
• 列出使用AI Coding工具的经验，以及对AIGC产品的深度使用与思考
• 如果有后端高并发或性能优化项目，务必重点提及
• 深入学习Function Calling与Agent开发，实战搭建一个简单的AI Agent应用
• 熟悉主流LLM API（如OpenAI、Claude）的使用，并了解不同模型的特性

面试指南

• STAR法则：描述项目背景（Situation）、任务（Task）、行动（Action）、结果（Result）.
• 对比分析：当被问优化时，先给出通用思路，再结合具体案例说明
• 技术细节+业务视角：既展示技术深度，又体现对业务价值的理解
• 请介绍一个你使用LLM API开发的项目，包括架构设计和遇到的问题
• 如何优化大模型推理的延迟和成本？请举例说明
• 你认为AI Native的交互方式与传统交互有什么区别？设计一个游戏中的AI交互场景
• 在Linux环境下如何排查服务内存泄漏？请说出常用的命令和方法
• 熟练掌握Go/Python的基础知识，准备一段常见数据结构和算法的代码