【校招储备】算法工程师（AI NPC方向）

优缺点分析

角色解读

• 专业路线：从初级算法工程师成长为能独立负责复杂AI系统的技术专家，深耕游戏AI或LLM Agent方向
• 架构路线：随着经验积累，可成长为游戏AI系统架构师，负责整体AI框架设计与技术选型
• 管理路线：在技术达到一定深度后，可转向技术管理岗位，带领团队进行AI系统的研发与创新
• 设计与实现游戏中的智能AI，特别是基于大语言模型（LLM）的NPC（非玩家角色）行为逻辑，使其更拟人、能自主决策和交互
• 开发LLM Agent系统的核心模块，如任务规划、长期记忆、工具调用和多智能体协作，让AI角色能完成复杂任务
• 将AI算法与游戏引擎（如Unity/Unreal）及服务端系统深度集成，解决高并发、低延迟的实际工程问题
• 探索强化学习、模仿学习等AI技术在游戏内容生成、剧情交互和自动化测试中的新玩法
• 扎实的编程与算法基础：精通C++、Python或Rust，并掌握数据结构、多线程、并发编程
• LLM与Agent技术：深入理解大语言模型原理，熟悉Prompt工程、RAG、向量数据库，并有Agent架构实践经验
• 游戏AI知识：了解至少一款游戏引擎，并对行为树、状态机等游戏AI经典方法有一定认知
• 工程化能力：具备高并发系统开发意识，关注代码健壮性、性能优化和可维护性

申请策略

• 深入研究莉莉丝游戏的产品，特别是其AI系统或NPC设计，了解其技术栈和可能的应用场景，在面试中展现你的洞察和热情
• 准备好讲述一个完整的项目故事，从需求分析、技术选型、遇到的挑战到最终效果和反思，这能全方位展示你的能力
• 突出与LLM/Agent相关的项目或研究经历，详细描述你在其中的角色、技术选型（如用了什么框架、模型）和具体成果
• 展示扎实的编程能力，最好有高并发系统或复杂算法项目的代码仓库（GitHub）或可运行Demo
• 提供游戏开发相关的作品或经验，哪怕是用游戏引擎做过的个人小项目，也能证明你的兴趣和实践能力
• 强调解决具体工程问题的经验，例如如何优化算法性能、处理系统异常或设计一个可扩展的模块
• 深入实践LLM Agent开发：使用LangChain、LlamaIndex等框架，或直接调用API，亲手构建一个具备特定功能的Agent
• 补充游戏引擎知识：系统学习Unity或Unreal Engine的基础，了解其脚本系统、物理引擎和渲染管线，尝试实现一个简单的AI角色

面试指南

• STAR法则：针对项目问题，采用“情境(Situation)-任务(Task)-行动(Action)-结果(Result)”的结构进行清晰阐述，突出个人贡献和量化成果
• 系统设计思维：回答架构类问题时，先明确核心目标（如实时性、拟人度、成本），再从模块划分（输入处理、模型调用、状态管理、输出解析）、关键设计（如缓存策略、降级方案）和评估指标等方面展开
• 权衡与思考：展现对技术Trade-off的理解，例如在模型效果、响应延迟、token成本、系统稳定性之间如何做权衡取舍
• 请介绍一个你参与过的最复杂的AI或算法项目，你在其中具体负责什么？遇到了哪些技术难点，是如何解决的？
• 如何为一个游戏中的NPC设计基于LLM的对话和决策系统？请描述你的架构思路，并解释如何保证响应速度和成本控制
• 在多智能体协作的场景下（如游戏中的团队NPC），如何设计它们之间的通信机制和任务分配策略？
• 如果让你为这个游戏NPC的记忆系统进行设计，你会考虑哪些方面？（例如短期记忆、长期记忆、检索效率等）
• 你认为将LLM应用于游戏NPC，最大的技术挑战和最令人兴奋的机会分别是什么？