RAG平台研发工程师实习生

优缺点分析

角色解读

• 从RAG核心开发切入，深入理解大模型应用架构，未来可向AI算法工程师或全栈AI工程师发展
• 积累知识图谱、向量数据库、检索系统等经验，可转向搜索推荐或NLP方向
• 表现优秀可转正为正式员工，在顺丰科技体系内持续成长
• 参与知识问答系统的架构设计和核心模块开发，涉及知识解析、存储、检索等环节
• 负责知识召回调优，优化从知识构建到检索的全链路效果
• 探索大模型在RAG、语义理解、摘要生成等场景的应用，并利用向量化技术实现语义检索
• 掌握Go或Java，具备良好的编程习惯和代码品质意识
• 熟悉Linux操作和Docker容器化，有一定系统基础
• 对LLM、RAG、向量化等技术有基本了解和学习热情
• 熟练使用AI编程工具（如Claude、ChatGPT）提升开发效率

申请策略

• 在简历或自荐信中表达对RAG技术的热情和实际探索经历，增加面试邀约概率
• 关注顺丰科技的技术博客或公众号，了解团队技术方向，面试中展现匹配度
• 突出Go/Java编程项目和代码质量相关的经历，如开源贡献或课程大作业
• 强调对LLM、RAG、向量数据库等技术的了解，可附带学习笔记或项目
• 展示使用AI编程工具的实践，如通过ChatGPT辅助开发的例子
• 如有知识图谱或搜索相关项目经验，务必重点描述
• 快速补强Go或Java基础，熟悉常用库和框架
• 学习LangChain、LlamaIndex等RAG框架，动手搭建一个小型RAG demo

面试指南

• 对于技术原理类问题，先给出定义，再结合项目说明应用场景和优化点
• 对于实践类问题，使用STAR法则（情境-任务-行动-结果）描述具体案例
• 对于比较类问题，从语言特性、生态系统、适用场景等维度对比分析
• 请解释RAG的原理和关键组件有哪些？
• 你在项目中如何使用过向量化技术？熟悉哪些向量数据库？
• 如何优化知识召回的效果？有哪些常见策略？
• 介绍一个你使用AI工具辅助开发的案例
• Go和Java在并发编程上有什么区别？