Python开发工程师

优缺点分析

角色解读

• 向AI应用专家发展，深入TTS、NLP等方向，成为大模型推理优化领域的核心人才
• 晋升为技术Leader，带领团队负责AI工具链或业务系统的架构设计
• 横向拓展至金融科技其他领域，如风控、量化等，结合AI提升业务价值
• 负责业务系统的开发，包括需求分析、系统设计、编码和测试
• 制定数据接口标准并开发相关接口，保障系统间数据互通
• 推动AI辅助研发、测试和代码审查工具在团队落地，提升整体开发效率
• 参与TTS大模型服务的开发与性能优化，确保模型高效稳定运行
• 扎实的Python编程能力，熟悉异步编程和高并发服务开发
• 熟练使用FastAPI、Django等Web框架，了解常用设计模式
• 具备MySQL、PostgreSQL、Redis等数据库的设计与优化经验
• 掌握Docker、Kubernetes等容器化部署技术
• 理解大语言模型（LLM）原理、架构及推理优化技术

申请策略

• 了解平安金融科技业务方向，准备1-2个AI赋能业务的想法在面试中展示
• 关注公司内部AI工具链建设，展现对提升开发效率的热情
• 突出Python项目的复杂度，如高并发、性能优化经验
• 列出AI相关项目，尤其是LLM或TTS的工程化经历（哪怕只是实验性项目）
• 强调使用过FastAPI、Django、Docker、K8s等技术的实际案例
• 展示数据库优化经验和系统设计能力
• 快速补强LLM推理优化知识，例如模型量化、vLLM等框架
• 如果有TTS经验更佳，可自学Coqui TTS或类似开源项目

面试指南

• 技术问题用STAR法则：情境、任务、行动、结果，突出量化指标
• 对于设计类问题，先明确约束条件（如QPS、数据量），再给出方案并权衡利弊
• AI问题从原理到实践：讲清概念，再结合自己的项目经验
• 请描述一个你处理过高并发Python服务的项目，如何优化性能？
• FastAPI和Django的适用场景有何区别？你怎么选型？
• 请解释LLM推理加速的常见技术，比如量化、剪枝、蒸馏等
• 你有TTS模型服务的开发经验吗？如何部署并保证低延迟？
• 给你一个业务需求，如何设计数据库表结构并优化查询？