AI Agent 研发工程师

优缺点分析

角色解读

• 可向AI Agent架构师或技术专家方向发展，深入智能体平台建设
• 有机会成为材料研发AI领域的业务专家，结合行业知识推动技术落地
• 在小米这样的大平台，可横向拓展至其他业务线的AI应用，晋升技术管理岗位
• 负责材料研发智能体的全流程开发，从需求分析到上线运营，确保业务效果和系统质量
• 与材料领域专家紧密协作，将专业知识转化为可复用的知识库、工具和智能体工作流
• 负责系统的容器化部署、高可用架构设计以及版本治理，保障系统稳定和安全合规
• 扎实的编程和系统设计能力，熟悉后端架构和数据结构
• 有LLM/Agent或复杂工作流系统的实际研发经验，能处理工具编排和异常恢复
• 熟悉Docker、CI/CD、Linux环境，具备服务部署和线上排障能力

申请策略

• 了解小米在AI和智能制造领域的布局，在面试中展现对业务的兴趣
• 准备一个完整的Agent项目案例，详细说明技术选型和问题解决过程
• 突出LLM/Agent或复杂工作流系统的实际项目经验，展示技术深度和落地成果
• 强调后端架构设计、系统部署和运维能力，如Docker、CI/CD实践
• 展示跨团队协作和业务理解能力，如有与领域专家合作的经验更佳
• 补充学习材料科学或制造领域的基础知识，便于业务沟通
• 熟悉智能体编排框架（如LangChain、Semantic Kernel）和知识库构建方法
• 加强Kubernetes、服务网格等云原生技术，提升部署和运维能力

面试指南

• 采用STAR法则（情境、任务、行动、结果）回答项目经验问题，突出个人贡献和量化成果
• 对于系统设计问题，从架构、可靠性、安全、可维护性等维度展开，体现系统性思考
• 对于协作问题，强调主动沟通、需求拆解和闭环管理的能力
• 请介绍一个你负责的LLM/Agent项目，如何设计工具编排和状态管理？
• 如何保证智能体系统的高可用性和数据安全？
• 在跨团队协作中，如何与业务专家有效沟通并澄清需求？
• 谈谈你对材料研发智能体的理解，以及可能的技术挑战
• 如何设计一个可回滚、可审计的版本发布流程？