算法工程师

优缺点分析

角色解读

• 技术专家路线：在AI算法、大模型优化等细分领域深耕，成为技术带头人
• 管理路线：随着项目经验积累，可向技术管理岗位发展，带领团队负责核心算法研发
• 跨领域发展：基于大模型和智能体技术，可向AI产品、解决方案等方向拓展
• 设计并落地AI智能体核心算法，包括多智能体协同、任务规划和记忆管理，并推动其商业化应用
• 负责大模型推理系统的优化，包括推理引擎调优、算子加速、量化压缩等，以提升服务性能和稳定性
• 研发向量存储和记忆体系，优化索引和IO链路，解决高并发场景下的性能瓶颈
• 参与大模型预训练、微调和强化学习，提升模型的泛化能力和决策质量
• 扎实的算法和计算机基础，熟悉大模型训练和推理的全链路
• 熟练掌握Python、C++或Golang中的至少一种语言，并具备Shell/Python脚本开发能力
• 熟悉主流数据库和SQL，了解分布式存储原理
• 根据具体方向，需要掌握vLLM、TensorRT、KVCache、RAG、强化学习等特定技术

申请策略

• 在申请时，可以针对具体方向（如智能体、推理优化）定制简历，突出相关经验
• 了解中国电信在AI领域的战略布局和业务方向，在面试中展现对公司的了解
• 突出大模型、智能体、RAG、推理优化等相关的项目经验，并量化成果（如性能提升百分比）
• 强调扎实的编程能力，特别是Python/C++/Go，以及分布式系统、数据库等底层技术
• 展示在相关方向（如智能体、推理、向量存储）的深入研究和实践，如有顶会论文或专利更佳
• 体现跨团队协作和项目推进能力，说明在复杂项目中如何解决问题并落地
• 系统学习大模型训练和推理框架，如vLLM、TensorRT、DeepSpeed等，并动手实践
• 深入研究多智能体、RAG、向量数据库等前沿技术，并尝试构建小型项目

面试指南

• 采用STAR法则（情境-任务-行动-结果）来回答项目经验问题，突出个人贡献和量化成果
• 对于技术方案设计问题，先阐述整体架构，再深入细节，并说明技术选型的理由
• 对于优化类问题，可以从问题定位、性能分析、优化策略、效果验证等步骤进行回答
• 请详细介绍一个你负责的大模型推理优化项目，包括遇到的问题和解决方案
• 如何设计一个多智能体协同系统？请谈谈你的思路
• 在构建向量存储系统时，如何解决高并发写入和查询的性能瓶颈？
• 你对vLLM、TensorRT等推理引擎的原理和优化策略有什么理解？
• 如何评估和提升大模型的推理速度和吞吐量？