IBG-算法实习生（3）

优缺点分析

角色解读

• 在滴滴这样的大厂实习，可以积累金融科技领域AI应用的实战经验，为未来求职增加竞争力
• 表现优秀者有机会转正，成为滴滴的正式员工，参与更核心的业务
• 可以深入Agent、大模型等前沿技术领域，成为AI领域的专家
• 参与信贷领域智能体系统的设计与实现，优化任务规划、工具调用和记忆机制等核心模块，提升Agent的自主决策能力
• 负责基于大语言模型的Prompt Engineering、微调及上下文管理，为风控等业务场景设计高效的Agent工作流
• 跟踪多智能体协作、反思机制等前沿方向，将学术成果转化为可落地的技术方案
• 搭建实验环境，复现相关论文，撰写技术调研报告与开发文档，参与团队技术分享
• 熟练掌握Python，代码风格清晰规范，熟悉PyTorch/TensorFlow等主流深度学习框架
• 熟悉大语言模型（如GPT系列、LLaMA、ChatGLM）的基本原理与应用方式
• 了解LangChain、AutoGen、Semantic Kernel等至少一种Agent开发框架，有实际搭建Agent项目经验者优先
• 对ReAct、CoT、Function Calling等提示工程技术有实践或深入理解优先

申请策略

• 在投递简历时，可以附上自己的GitHub链接或技术博客，展示你的技术实力
• 了解滴滴IBG的业务方向，在面试中展现出对信贷风控领域的兴趣和理解
• 突出你的编程能力，特别是Python和深度学习框架的使用经验
• 重点展示你参与过的Agent项目或大语言模型相关项目，包括项目背景、你的具体贡献和成果
• 强调你对大语言模型原理的理解，以及Prompt Engineering、微调等技术的实践经验
• 如果有相关论文复现或技术调研的经历，一定要在简历中体现
• 系统学习LangChain、AutoGen等Agent开发框架，并尝试搭建一个简单的Agent应用
• 深入理解ReAct、CoT等提示工程技术，并动手实践

面试指南

• 回答技术问题时，可以遵循STAR法则，即描述情境、任务、行动和结果，突出你的思考过程和解决问题的能力
• 对于前沿技术问题，可以结合具体案例，说明你的理解和实践，并展示你的学习能力
• 对于项目经验问题，可以重点介绍项目的背景、你的角色、技术选型、遇到的挑战和解决方案
• 请介绍一下你使用LangChain或AutoGen搭建Agent项目的经历
• 如何设计一个Prompt来让大模型更好地完成特定任务？
• 你对ReAct或CoT有什么理解？它们在实际应用中有什么优缺点？
• 如何评估一个Agent系统的性能？
• 你如何将一个学术论文中的方法转化为可落地的技术方案？