AI开发岗（政企业务支撑）-金种子（深圳）

优缺点分析

角色解读

• 技术专家路线：深耕AI算法与工程化，成为多智能体系统、大模型应用领域的资深专家或架构师
• 技术管理路线：凭借出色的技术领导力和项目经验，转向AI团队负责人或技术项目经理
• 行业解决方案路线：深入政企数智化场景，成长为能够定义和交付完整AI解决方案的行业专家
• 负责通用AI算法和大模型的工程化应用研发，将前沿AI技术落地到具体的政企业务场景中
• 主导基于多智能体（Multi-Agent）和AgenticAI技术的智能系统开发，解决知识问答、经营分析等复杂业务问题
• 参与AI技术战略制定与核心架构设计，推动AI能力平台化建设及与现有业务系统的深度融合
• 承担关键技术攻关，并负责相关知识产权产出和技术文档沉淀，促进技术成果的转化复用
• 扎实的计算机基础，精通Python编程，并熟悉至少一种后端语言（Java/C++/Go）
• 对多智能体系统原理有深入理解，并有LangChain、LangGraph等主流框架的开发实战经验
• 具备强大的数据分析、特征工程及算法优化能力，能将业务问题转化为有效的AI解决方案
• 熟悉主流数据库，特别是PostgreSQL及向量数据库（如Milvus/Pinecone）的使用和SQL调优

申请策略

• 在简历和面试中，不仅要展示技术能力，更要体现将复杂AI技术“工程化”和“产品化”的思考与经验
• 可以研究“九天”大模型的相关报道和论文，在面试中展现你对中国移动AI战略的理解和兴趣
• 突出博士期间或过往工作中与AI算法、大模型、多智能体系统相关的研究项目和成果，强调解决的实际问题和效果
• 详细描述使用Python及LangChain/LangGraph等框架开发Agent应用的具体经验，包括项目背景、技术选型和个人贡献
• 展示数据分析和特征工程能力，可以结合具体案例说明如何从数据中提取价值来优化模型或方案
• 如有相关的软件著作权、专利或高质量技术文档，应在简历中明确列出
• 深入学习并实践最新的AgenticAI框架（如LangGraph），探索多智能体协同的实现模式
• 加强在政企数智化场景下的业务理解，了解行业术语和典型业务流程，以便更好地进行需求分析和方案设计

面试指南

• 采用STAR法则（情境、任务、行动、结果）结构化回答，突出你在项目中的核心角色和技术决策
• 对于架构设计问题，从问题分析、技术选型、系统模块划分、数据流转、评估指标等多个维度展开，体现系统化思维
• 强调工程化实践，结合代码版本管理、容器化部署、API设计、监控告警等具体实践来回答关于稳定性的问题
• 请介绍一个你主导或深度参与的、涉及多智能体或Agent框架的项目，具体的技术架构和挑战是什么？
• 如何将一个大模型能力，落地到一个具体的政企业务场景（如经营分析或知识问答）中？请描述你的设计思路
• 在构建AI应用时，如何评估其效果？你通常会使用哪些指标或方法？
• 如果让你为一个复杂的业务流程（如客户洞察）设计一个多智能体协同方案，你会如何划分Agent职责并进行编排？
• 对于模型部署和工程化，你有哪些经验？如何保证AI服务的性能和稳定性？