系统研发实习生—AI Infra（工单智能化方向）

优缺点分析

角色解读

• 从实习生转为正式员工，逐步成为工单系统的Owner，负责需求分析、架构设计与运维
• 深入AI Infra领域，成长为AI工程化专家，主导更复杂的智能化系统建设
• 积累微服务、数据库治理、可观测性等基础设施经验，向架构师或技术Leader发展
• 参与工单系统从旧系统到新系统的数据迁移与治理，确保数据完整性和业务连续性
• 开发工单系统的前后端功能、流程引擎、权限模块等，并进行测试与维护
• 利用LLM、RAG、Agent等技术实现工单的智能分类、摘要、分派和解决方案推荐
• 分析工单流转数据，优化工作流，将重复操作自动化，提升团队效率
• 熟练掌握Go、Python或TypeScript之一，具备良好的编码习惯和调试能力
• 了解HTTP、数据库、Git、Linux基础，能独立完成小型功能设计与实现
• 对LLM、RAG或Agent有浓厚兴趣，愿意动手进行数据处理、实验和工程落地
• 学习能力强，细致可靠，能主动拆解问题并跟进结果，具备沟通协作意识

申请策略

• 在简历中附上GitHub链接或技术博客，展示代码质量和学习热情
• 面试前了解稀宇科技的产品和技术栈，准备一些对AI工单智能化的思考
• 突出Go/Python/TypeScript项目经验，尤其是全栈开发或数据处理相关项目
• 如果有LLM、RAG、Agent相关的课程项目或竞赛经历，务必重点描述
• 强调参与过系统设计或数据迁移的经验，展现工程落地能力
• 列出开源贡献、技术博客或竞赛奖项，体现持续学习与动手能力
• 提前熟悉Go或Python的Web框架（如Gin、FastAPI），以及基本的数据库操作
• 学习LLM基础知识，了解RAG流程和常见Agent框架（如LangChain）

面试指南

• 对于项目介绍：STAR法则（情境、任务、行动、结果），重点突出技术难点和个人贡献
• 对于技术设计题：先明确需求，再给出方案，考虑扩展性和容错性，最后提及可能的优化点
• 对于AI应用题：结合具体场景，说明为何选该技术、预期效果和如何验证
• 请介绍一下你做过的一个项目，你在其中承担了什么角色？
• 如何设计一个工单系统的基础数据库表结构？
• 你如何理解RAG技术？请举例说明可以在工单系统中如何应用
• 如果让你将历史工单从旧系统迁移到新系统，你会考虑哪些关键点？
• 你对微服务和可观测性有什么理解？