算法研发工程师（彭水）

优缺点分析

角色解读

• 沿算法工程路线深耕，从模型开发走向大模型应用架构与MLOps平台建设
• 岗位同时覆盖数据、算法、工程与客户交付，可向AI解决方案架构师或项目技术负责人方向发展
• 在运营商政企项目体系中积累行业数字化转型经验，未来可转向行业AI产品或技术管理岗
• 负责机器学习、深度学习与大模型的开发训练调优，包括Prompt设计、RAG检索增强与模型微调，持续提升模型核心指标
• 建设数据管道，完成数据清洗与标注审核，并基于Flink进行实时流处理开发与调优
• 完成模型部署、API服务化与MLOps流程建设，同时承担核心代码开发与系统二次开发
• 对接数字化转型业务需求，输出AI技术方案，并负责客户沟通、项目推进与交付验收
• 熟练使用Python与PyTorch/TensorFlow，掌握ML/DL理论及BERT/GPT/CNN/LSTM等模型，了解大模型Prompt、RAG、微调与Agent技术
• 熟悉Flink/Spark/Hadoop/Kafka/ClickHouse/Redis/ES等大数据组件，了解Java与MySQL/Oracle数据库
• 掌握Docker/K8s容器化部署与模型服务化（API/微服务）能力
• 具备Java/Vue/React等前后端开发能力，能独立完成系统调优与故障处理，并有良好的沟通协作与技术文档输出能力

申请策略

• 提前了解中国电信“云改数转”战略与政企数字化业务方向，面试中体现对业务场景的理解
• 主动询问团队规模、项目来源与是否需要驻场支撑客户，评估实际工作形态
• 突出一个完整的大模型或机器学习项目，展示从数据处理、训练调优到上线服务化的闭环
• 用数据量化模型效果提升，如准确率、召回率、推理时延等指标的改善幅度
• 展示Flink/Spark/Kafka等实时数据链路与Docker/K8s部署经验，呼应岗位的大数据与工程化要求
• 若有政企或行业数字化项目交付经验，说明你在其中的角色与客户沟通成果
• 补齐RAG与Agent工程实践：文档切分、向量检索、重排、Prompt编排与效果评测
• 熟悉MLOps工具链（模型注册、监控、CI/CD）与微服务API设计

面试指南

• 项目类问题用STAR结构：背景—目标—你的关键动作与技术决策—量化结果
• 方案类问题按“问题定义→方案选型→对比权衡→效果验证”四步回答，重点讲清权衡理由
• 交付沟通类问题强调需求澄清、里程碑对齐与风险提前暴露，体现推动力
• 请介绍一个你从数据处理到模型上线的完整项目，模型指标提升了多少，关键做法是什么？
• 在RAG方案中你如何做文档切分、召回与重排？如何评估检索与生成效果？
• 你做过哪些大模型微调实践（LoRA/全参）？如何平衡成本与效果？
• Flink实时流处理中你遇到过哪些问题？做过哪些调优？
• 如果客户需求不清晰或频繁变更，你如何推进项目并完成交付验收？