【2027】AI Agent研发工程师-天津(J14197)

优缺点分析

角色解读

• 技术专家路线：深耕AI Agent领域，成为智能体架构或大模型应用领域的资深专家或架构师
• 技术管理路线：积累项目经验后，可带领小团队负责更复杂的Agent产品或平台模块的研发
• 产品融合路线：深入理解业务场景，转向AI产品经理或解决方案架构师，设计更有价值的Agent应用
• 设计和构建AI Agent的核心平台与框架，使其具备自主规划、记忆和调用工具的能力
• 实现RAG系统，让大模型能精准检索并整合企业内部知识，提供专业回答
• 开发和优化多智能体协作流程，并通过Prompt工程和模型微调提升整体效果与稳定性
• 建立全面的评估体系，以数据驱动的方式持续改进Agent的性能
• 扎实的编程功底和系统设计能力，熟悉AI Agent、RAG、Prompt Engineering等核心概念与实现
• 了解主流大模型及微调技术（如LoRA/SFT），具备模型训练或推理优化经验
• 较强的逻辑思维和问题拆解能力，能够独立进行技术攻关和数据分析
• 良好的团队协作与沟通能力，能有效推动跨团队项目进展

申请策略

• 研究中科曙光在算力、云计算及行业解决方案方面的业务，思考AI Agent如何与其现有产品线结合创造价值
• 准备一个能体现你解决复杂技术问题思路的小案例或作品集（如GitHub项目、技术博客文章等）
• 重点突出与AI Agent、RAG、大模型应用相关的项目经验，特别是涉及工具调用、多智能体协作的实践
• 详细描述在Prompt Engineering、模型微调（LoRA/SFT）方面的具体成果和优化效果
• 展示在复杂系统设计、数据处理或算法优化方面的技术深度和解决问题的能力
• 强调团队协作、技术调研或数据分析方面的软技能与成果
• 深入学习主流的AI Agent框架（如LangChain、AutoGPT等）和RAG实现模式，准备相关的代码或设计案例
• 系统梳理和复习大模型微调（特别是LoRA、SFT）的技术原理和实践流程

面试指南

• 采用STAR法则：情境、任务、行动、结果，清晰阐述项目背景、你的职责、具体技术方案和最终成效
• 结合理论与实践：回答技术问题时，既要讲清楚原理，也要举出实际应用中的例子和数据支撑
• 展现系统思维：在回答设计类问题时，从需求分析、技术选型、架构设计、评估指标等多个层面进行阐述
• 请描述你过去构建或优化RAG系统的经验，遇到的主要挑战和解决方案是什么？
• 在多Agent协作场景下，你如何设计和管理它们之间的状态与通信？
• 你如何评估一个AI Agent系统的性能？会设计哪些维度的评估指标？
• 如果让你从零开始设计一个企业内部的Agent平台，你的核心架构思路是怎样的？
• 你对当前大模型微调技术（如LoRA）有哪些理解和实践经验？