AI算法工程师（市本级）

优缺点分析

角色解读

• 技术专家路线：在AI算法领域深耕，成为大模型应用、多模态等方向的专家，主导核心技术攻关
• 技术管理路线：随着项目经验的积累，可向技术团队负责人或项目经理方向发展，负责带领团队完成AI项目
• 行业专家路线：结合中国电信的行业背景，成为特定行业（如通信、政务）的AI解决方案专家，负责行业AI战略规划
• 负责大模型在具体行业场景中的落地，如知识库问答、智能客服、数据分析等，需要将通用模型适配到特定业务中
• 设计并实施模型微调、提示工程和Agent开发，以提升模型在特定任务上的效果和实用性
• 主导从数据清洗、模型训练到推理优化和部署的全流程，确保模型能够稳定高效地在生产环境中运行
• 研究多模态、强化学习等前沿AI技术，并探索其在行业软件中的潜在应用，推动技术创新
• 扎实的深度学习理论基础，熟练掌握至少一种主流框架（如PyTorch、TensorFlow、PaddlePaddle）
• 精通Python，具备独立完成算法训练和优化的能力，有C++/Java经验是加分项
• 对大模型（LLM）有深入理解，掌握Prompt Engineering、RAG、Agent开发等落地技术
• 具备良好的问题分析、解决能力和英文文献阅读能力，以及团队协作和沟通能力

申请策略

• 了解中国电信的AI战略：在面试前，了解中国电信在AI领域的布局和重点项目，在面试中展现你对公司业务的理解和兴趣
• 准备项目讲解：准备好深入讲解你最有代表性的项目，包括技术选型、遇到的问题和解决方案，突出你的思考过程
• 突出大模型相关项目经验：在简历中详细描述你参与过的LLM、RAG、Agent等项目的具体工作、技术方案和成果，量化模型效果提升
• 强调算法和工程能力：重点展示你独立完成算法设计、模型训练、优化和部署的能力，包括使用的框架、工具和解决的技术难点
• 展示学术或开源成果：如有相关学术论文、开源项目或竞赛获奖经历，务必在简历中突出，这是重要的加分项
• 体现业务理解能力：除了技术细节，也要体现你对业务场景的理解，说明你的技术如何解决了实际业务问题
• 深入掌握大模型技术栈：系统学习并实践LLM微调、RAG、Agent开发等主流技术，可以尝试在开源项目上动手实践
• 补充工程化能力：学习模型部署、推理优化、分布式训练等工程化知识，了解从模型到产品的完整链路

面试指南

• STAR法则：回答项目经验问题时，采用STAR法则（情境、任务、行动、结果），清晰描述项目背景、你的任务、采取的行动和最终成果
• 技术+业务结合：回答技术问题时，不仅要说明技术方案，还要解释该方案如何解决业务问题，体现你的业务思维
• 结构化表达：对于开放性问题，采用结构化表达，先给出结论，再分点阐述理由，最后总结，体现逻辑性
• 请详细介绍一下你做过的一个大模型微调项目，包括数据准备、模型选择、训练过程和效果评估
• 在RAG系统中，如何解决检索质量不高或上下文不相关的问题？
• 你如何设计一个Agent来完完成一个复杂的业务任务？请举例说明
• 大模型在推理时速度较慢，你会如何优化以满足生产环境要求？
• 你如何评估一个微调后的模型在业务场景中的效果？