AI算法工程师（省信产）

优缺点分析

角色解读

• 在AI领域深耕，从算法工程师成长为高级算法专家或技术负责人
• 横向拓展至多模态、智能体等前沿方向，成为复合型AI人才
• 在电信行业积累业务知识，向AI产品经理或技术管理岗位发展
• 负责大模型和智能体的研发与优化，包括RAG、任务规划、多智能体协作等核心技术的实现
• 进行数据处理、模型微调和效果评测，确保AI系统的准确性和稳定性
• 参与业务需求分析和技术方案设计，推动AI技术在电信业务中的实际落地
• 精通Python和Linux，具备扎实的数据结构和算法基础
• 深入理解大语言模型、Transformer、RAG及智能体原理，有实际项目经验
• 熟悉至少一种深度学习框架（如PyTorch、TensorFlow），具备模型训练和微调能力
• 了解API开发、数据库、Docker等工程化技能，能够完成模型部署

申请策略

• 在申请时，可以强调你对AI技术在传统行业落地的兴趣和思考
• 关注中国电信的招聘动态，了解其AI战略方向，以便在面试中更好地匹配
• 突出大模型、RAG、智能体相关的项目经验，详细描述你的技术实现和成果
• 强调Python、深度学习框架的熟练程度，以及模型训练和微调的实际经验
• 展示开源项目或竞赛经历，体现你的技术热情和解决问题的能力
• 深入学习RAG、多智能体等前沿技术，并动手实践相关项目
• 熟悉Docker、Kubernetes等部署工具，提升工程化能力
• 了解电信行业的基本业务知识，有助于在面试中展现业务理解力

面试指南

• 对于项目经验类问题，采用STAR法则（情境、任务、行动、结果）清晰描述，突出你的个人贡献和量化成果
• 对于技术原理类问题，先阐述核心概念，再结合具体场景分析，展示你的深度理解
• 对于开放性问题，展现你的思考过程和解决问题的能力，不必追求唯一答案
• 请详细介绍你参与过的一个大模型或智能体项目，包括技术选型和遇到的挑战
• 如何评估一个RAG系统的效果？你会如何优化？
• 谈谈你对多智能体协作的理解，以及在实际应用中可能遇到的问题
• 如何将AI模型部署到生产环境？需要考虑哪些因素？
• 你如何跟踪AI领域的最新进展？最近关注哪些技术？