AI Software Engineer

优缺点分析

角色解读

• 技术专家路径：深耕Agentic AI和LLM技术，成为团队内或公司在该领域的技术权威，负责更复杂、更核心的AI系统设计
• 技术领导路径：积累项目经验和业务理解后，可转向技术负责人（Tech Lead）或架构师角色，带领小团队并负责整体技术方案
• 跨界发展路径：凭借对业务流程的深入理解和技术实现经验，可向AI产品经理、解决方案架构师或业务分析方向发展
• 负责端到端的Agentic AI解决方案的架构设计、模型开发与项目交付，直接推动具体AI项目（如Falcon）的落地
• 将大语言模型（LLM）和LangChain框架集成到实际业务流程中，解决具体的业务问题
• 运用Python等语言进行数据准备和处理，理解业务需求并将其转化为可行的技术方案
• 需要与业务方（非技术受众）沟通，汇报进展并提供基于数据的战略建议
• 扎实的AI/ML工程能力，特别是对Agentic系统、LLM微调、上下文工程和知识图谱的深刻理解与实践经验
• 熟练的编程语言能力（Python为主，熟悉JavaScript或Java），并能有效利用Code Copilot等AI工具提升开发效率
• 熟悉云原生架构和大数据技术栈，包括AWS/Azure云平台以及S3、Snowflake、Databricks等数据系统
• 优秀的业务理解与沟通能力，能够将复杂的技术概念翻译给非技术人员，并具备战略思维

申请策略

• 在求职信或面试中，明确表达你对构建可落地的Agentic AI应用的热情，以及对解决复杂业务问题的兴趣，而非仅仅对技术本身好奇
• 研究道富公司（State Street）及其Global Delivery AI团队的公开信息（如技术博客、案例研究），了解其可能使用的具体技术栈和面临的挑战，在面试中展现你的准备和思考
• 重点突出3个以上独立完成的、包含数据处理、模型集成到业务逻辑的端到端AI/ML项目经验，最好能涉及LLM或智能体概念
• 详细列出Python、JavaScript/Java的熟练程度，以及在项目中使用AI辅助编码工具（如Copilot）提升效率的具体案例
• 明确展示对Agentic系统、LLM微调、知识图谱等技术的理解和实践经验，即使是在个人项目或研究中
• 强调与业务部门合作、理解需求并成功交付项目的经验，体现技术落地能力和沟通能力
• 深入学习并动手实践LangChain、LlamaIndex等LLM应用框架，以及主流的大模型微调技术（如LoRA, PEFT）
• 系统性了解云原生开发模式，并尝试在AWS或Azure上部署一个包含AI模型的完整应用

面试指南

• 使用STAR（情境-任务-行动-结果）法则回答行为问题，具体描述技术选型、架构设计、迭代过程和最终业务成果
• 对于技术概念题（如Agentic AI），先给出清晰的定义，再结合具体技术组件（如规划、记忆、工具使用）举例说明，并关联到解决什么类型的问题
• 对于方案设计题，采用结构化思维：先明确业务目标，再拆解核心问题，接着设计技术模块（数据获取、模型选择、流程编排、反馈机制），最后讨论评估指标和潜在挑战
• 请描述一个你从头到尾主导的、将AI模型应用于实际业务的项目
• 你在其中遇到了什么技术难点？是如何解决的？
• 你对Agentic AI（智能体AI）的理解是什么？你认为它与传统的AI应用或简单的LLM调用有何核心区别？
• 如何将一个复杂的业务需求，例如‘提高某项审批流程的效率’，拆解并设计成一个可行的Agentic AI解决方案？
• 请举例说明，当你需要向非技术背景的业务方解释一个AI模型的输出结果或局限性时，你会如何沟通？