专家工程师（MPT）

优缺点分析

角色解读

• 技术深度：从策略仿真到在线引擎，成为大模型工程化领域的顶尖专家
• 管理方向：未来可转向技术管理岗位，带领团队构建更复杂的智能定价系统
• 行业影响力：在出行行业积累策略架构经验，可拓展至金融、电商等领域的AI工程化方向
• 设计和开发策略仿真平台，构建高可信的离线仿真与效果评估体系，支持算法快速迭代
• 主导大模型工程化全流程建设，包括训练、微调、推理优化和服务化部署
• 负责在线策略引擎平台的架构演进与性能优化，支撑大规模流量下的策略调度
• 运用AI Coding工具提升开发效率，通过任务拆解和提示词工程驱动AI产出高质量代码
• 精通大模型工程架构，熟悉训练、推理、服务化等全流程技术
• 熟练使用AI Coding工具，能通过任务拆解和Prompt工程高效产出代码
• 具备分布式系统设计和性能优化经验，能处理高并发、高可用场景
• 对AI边界有清晰认知，能在复杂场景中做出合理的技术取舍

申请策略

• 在面试中分享一个完整的AI Coding工作流案例，展示从需求到交付的效率提升
• 了解滴滴的业务和策略架构方向，准备对智能定价场景的思考
• 突出大模型工程化项目经验，详细描述你在训练、推理、部署中的具体贡献
• 展示AI Coding实践，如使用Copilot、ChatGPT等工具提效的案例，附上代码示例或Prompt库
• 强调架构设计能力，尤其是高并发、高可用系统的设计经验
• 提及团队协作和技术分享，体现开放协同精神
• 深入学习大模型推理优化技术，如vLLM、TensorRT-LLM等
• 实践AI Coding工具，积累自己的Prompt库和SOP，提升任务拆解能力

面试指南

• STAR法则：描述场景、任务、行动和结果，突出量化指标
• 技术取舍：展示对AI边界的理解，说明你如何在不确定中做决策
• 对比方案：提出多种可选方案，分析利弊并给出你的选择理由
• 请描述你在大模型工程化中的完整落地经验，包括训练、推理、部署的挑战和解决方案
• 你如何评估AI Coding工具的输出质量？在复杂任务中如何设计Prompt？
• 设计一个高吞吐的离线仿真平台，需要考虑哪些关键架构要素？
• 如何保证在线策略引擎在大量实验分流下的稳定性？
• 你如何看待AI Agents对传统工程流程的改变？你有哪些实践经验？