AI Agent 研发工程师

优缺点分析

角色解读

• 实习期间可深入LLM与Agent前沿技术，积累实战经验，为转正或跳槽大厂加分
• 表现优秀者可转正为正式研发工程师，未来向AI应用架构师或技术专家方向发展
• 可横向扩展至NLP、机器学习工程等相邻领域，职业选择灵活
• 负责AI Agent应用的需求分析、方案设计、功能开发与测试，独立承担模块级任务
• 参与Agent工作流建设，包括知识库搭建、工具调用集成、上下文管理以及多Agent协作机制的设计与实现
• 参与工程基础能力建设，如服务部署、自动化测试、技术文档编写，提升研发效率
• 熟练掌握Python，扎实的编程基础，熟悉数据结构、网络请求、数据库及Linux环境
• 理解LLM和AI Agent基本概念，如Prompt、RAG、工具调用、工作流编排等
• 具备一定的工程化思维，了解版本管理、测试、部署等实践

申请策略

• 在简历中明确写出自己对AI Agent的独特见解或实践案例，避免泛泛而谈
• 面试前了解小米AI部门业务方向，思考Agent在智能家居等场景的应用
• 突出Python编程能力和项目经验，尤其是与LLM、Agent相关的个人项目或课程设计
• 强调对Prompt、RAG、工具调用等概念的理解，可附上GitHub链接
• 展示开源项目或实习经历，体现实际动手能力
• 系统学习LangChain、LlamaIndex等Agent框架，了解常见工作流编排方式
• 动手搭建一个简单的RAG或Agent demo，加深对技术栈的理解
• 熟悉Docker和CI/CD基础，提升工程化能力

面试指南

• 项目问题采用STAR法则：背景-任务-行动-结果，突出个人贡献和思考
• 技术概念问题先给出定义，再举例说明应用场景，最后延伸至工程实践
• 场景设计问题先拆解需求，再提出技术选型，最后评估利弊
• 请介绍一个你使用LLM或Agent完成的项目，遇到过哪些挑战？
• 解释RAG的工作原理，并说明在什么场景下使用它
• 如何设计一个多Agent协作流程？需要注意哪些问题？
• Python中如何使用async/await处理并发？
• 如何调试一个不稳定的Prompt？