【2027】生信智能体应用工程师-西安(J14195)

优缺点分析

角色解读

• 技术专家路线：深入掌握AI智能体与生信交叉领域的技术，成为解决特定场景复杂问题的技术专家或架构师
• 产品/项目负责人路线：在精通技术的基础上，向技术产品、项目管理或团队负责人的方向发展，推动技术落地和商业化
• 研究与创新路线：专注于前沿AI技术在生信领域的创新应用研究，成为该交叉领域的技术领袖
• 将生物信息学领域的专业计算流程和用户需求，设计并开发为可运行的AI智能体应用
• 深入调研和梳理生信分析的软件工具、数据流和业务场景，为智能体构建知识库
• 集成各类生信工具、高性能计算平台与AI技术（如Prompt、RAG），优化智能体的交互体验和任务执行效果
• 测试和评估智能体应用的性能，持续改进其任务成功率、准确性和用户体验，并沉淀相关技术资产
• 具备生物信息学、高性能计算（HPC）或相关领域的扎实背景知识，了解常用分析软件和数据流程
• 掌握AI智能体应用开发的核心技术，如Prompt Engineering、RAG（检索增强生成）、工具调用与Agent框架
• 熟练的Python编程能力，以及与各类API、MCP工具集成的开发经验
• 良好的逻辑思维、问题拆解与技术攻关能力，以及优秀的学习和沟通协作能力

申请策略

• 在申请材料或面试中，可以尝试用通俗语言解释如何将一个具体的生信分析步骤（如变异检测）转化为一个智能体工具链
• 关注中科曙光在高性能计算和行业智能化方面的最新动态，思考如何将其与AI智能体技术结合
• 突出任何与智能体（Agent）、Prompt Engineering、RAG、LLM应用开发相关的项目或研究经验
• 展示在生物信息学、高性能计算（HPC）或相关科学计算领域的学习背景、项目或技能
• 强调将复杂需求或流程转化为技术解决方案的案例，体现问题拆解和架构能力
• 列出掌握的Python库、API集成经验以及对测试评估、文档编写等工程化能力的体现
• 系统学习和实践当前主流的AI智能体框架（如LangChain、AutoGen等）和RAG技术栈
• 深入了解生物信息学的核心分析流程、常用工具（如GATK, STAR, Salmon等）和数据格式

面试指南

• 对于具体技术问题，采用“背景-方法-结果-反思”框架：先解释技术原理或流程，再说明你的设计方案和实现方法，接着给出效果或评估，最后总结可优化的点
• 对于场景设计问题，采用“需求分析-技术选型-实现路径-风险与应对”框架：先拆解需求，再选择合适的技术栈，描述实现步骤，并提前考虑可能的问题
• 对于开放性问题，结合具体案例或技术原理，有条理地阐述个人观点，体现思考深度和技术视野
• 请描述一个你熟悉的生物信息分析流程（例如：RNA-seq分析），你认为如何将其核心步骤转化为一个智能体（Agent）可调用的工具？
• 如果你的智能体在执行一个生信分析任务时，因为输入数据质量或工具参数问题导致失败，你会如何设计排查和优化流程？
• RAG（检索增强生成）在这个岗位中可能有什么具体应用？你如何为生信领域的知识库设计RAG架构？
• 请谈谈你对Prompt Engineering的理解，针对生信分析这种专业性强的场景，Prompt设计有哪些关键考量？
• 你如何看待AI智能体在科学研究领域的应用前景和挑战？