顶尖应届-大模型算法工程师-软件

优缺点分析

角色解读

• 从算法工程师成长为AI系统架构师，主导智能体系统的整体设计
• 深入大模型与IoT结合的前沿领域，成为智能家居AI方向的专家
• 未来可向技术管理方向发展，带领团队推进产品落地
• 负责IoT智能体系统的核心架构研发，设计大模型驱动的Agent框架，实现自然语言到设备操作的自主决策
• 探索云-边-端协同架构，优化本地低延迟执行与云端复杂推理的分配
• 构建长期记忆系统与视觉感知融合，结合环境传感数据提供主动智能服务
• 精通Python异步编程（asyncio），熟悉Rust或Go其中一门系统语言
• 深入理解大模型应用技术，包括function calling、ReAct、RAG、Agent框架
• 了解分布式系统设计，有Redis、消息队列、微服务架构经验
• 了解IoT/智能家居领域及设备协议（MQTT/物模型）者优先

申请策略

• 了解小米智能家居产品（小爱同学、米家等），面试中展示对业务场景的理解
• 准备1-2个完整的项目案例，说明技术选型、实现细节和成果
• 突出大模型相关项目经验，如Agent、function calling、RAG等
• 强调系统编程能力，特别是Python异步编程和Rust/Go经验
• 展示分布式系统或IoT相关实践，如Redis、MQTT、微服务
• 如有开源项目贡献，务必重点描述
• 深入学习Agent框架（如LangChain、AutoGPT）及ReAct模式
• 补充IoT设备协议（MQTT、CoAP）和边缘计算相关知识

面试指南

• 针对系统设计题：先明确需求边界，再拆解模块（感知、决策、执行），最后讨论关键难点（容错、延迟）
• 针对技术概念题：先给出定义，再举例说明，最后对比优劣势
• 针对开放性问题：结合小米业务场景，提出具体想法，展示思考深度
• 请设计一个智能家居场景下的Agent系统，如何实现多步任务规划？
• 解释function calling和ReAct模式的区别，并给出一个实际应用例子
• 云边端协同中，如何平衡本地延迟和云端计算资源？
• 如何处理Agent执行过程中的错误或异常情况？
• 你对大模型在IoT领域的应用前景怎么看？