AI Agent开发工程师-汽车专项-实习

优缺点分析

角色解读

• 从实习转正为正式AI Agent开发工程师，参与核心项目
• 深入大模型训练与优化方向，成为LLM专家
• 向Agent架构或AI产品经理方向发展
• 参与AI Agent从0到1的开发，包括需求分析、原型验证、功能实现和上线维护
• 开发Agent核心功能，如工具调用、工作流编排、问答系统等
• 参与大模型训练优化和推理加速，探索端侧部署方案
• 编写自动化评测用例，监控模型质量和成本
• 扎实的编程基础：数据结构、网络、并发、良好的代码风格
• 熟悉深度学习框架（PyTorch/TensorFlow）和大模型训练框架（Megatron/DeepSpeed）
• 掌握至少一种后端语言（Python或TypeScript），能快速搭建服务
• 了解LLM基础：Prompt设计、函数调用、上下文管理

申请策略

• 在简历中附上端到端项目链接或演示视频，大大增加竞争力
• 关注小米汽车业务场景，了解智能座舱或自动驾驶中Agent的应用可能，面试时能体现业务理解
• 突出LLM或Agent相关项目经验，如自己开发的对话机器人、智能体Demo
• 强调编程能力：熟悉Python、Web框架、分布式训练框架
• 列出开源贡献、竞赛或个人GitHub链接
• 如有工具使用经验（LangChain等）务必标出
• 快速学习FastAPI或Express，若后端不熟可补一个简单API项目
• 熟悉至少一个Agent框架：运行LangChain官方教程并复现一个Agent流程

面试指南

• STAR法则：情境、任务、行动、结果
• 技术问题分点回答：原理+实践+优化
• 结合具体项目案例，展示解决问题的思路和代码能力
• 请概述AI Agent的工作流程，并说明工具调用的实现原理
• 如何设计一个Prompt让LLM稳定输出JSON格式并调用内部API？
• 你使用过哪些训练框架？Megatron和DeepSpeed的主要区别？
• 在一个多轮对话中如何管理上下文（如Token限制、历史裁剪）？
• 请介绍一下你的一个个人项目，遇到了什么困难怎么解决的？