大模型开发（实习）

优缺点分析

角色解读

• 实习期间可深入参与大模型应用落地，积累前沿技术经验，为毕业后进入AI领域打下坚实基础
• 表现优秀可转正为正式员工，向高级算法工程师或技术专家方向发展
• 也可向AI架构师或团队技术负责人方向成长，成为物流AI领域的专业人才
• 你将负责大模型智能体在物流场景中的落地开发，包括对话管理、意图识别等模块的设计与实现
• 需要结合RAG、多智能体等技术，解决实际业务问题，并持续跟进前沿技术
• 还会承担技术培训和指导工作，帮助业务团队应用AI
• 扎实的编程基础，熟练掌握Python或Golang，熟悉Linux开发环境
• 深入了解AI Agents技术栈，熟练使用RAGFlow、Rasa Pro、Dify等框架
• 具备Prompt Engineering和智能体开发经验，了解RAG和多智能体协作
• 良好的沟通能力和团队协作精神，对新技术有强烈学习热情

申请策略

• 了解顺丰物流业务的基本流程，思考AI如何优化各个环节，在面试中展现业务洞察
• 关注顺丰的技术博客或招聘公众号，了解团队技术方向
• 突出编程能力，尤其是Python和Golang项目经验
• 重点展示AI Agent、RAG、Prompt Engineering等相关的课程项目或实习经历
• 如有开源贡献或技术博客，务必列出
• 强调团队协作和沟通能力，可用实际案例说明
• 提前学习RAGFlow、Dify等开源框架，动手搭建一个简单的智能体应用
• 深入理解大模型原理，了解当前主流模型（GPT、LLaMA）的API调用和微调方法

面试指南

• 对于项目类问题，采用STAR法则：背景、任务、行动、结果，强调个人贡献和技术难点
• 设计类问题，先明确需求，再给出架构选型理由，最后提优化方向
• 开放性问题，结合自身理解，展现学习热情和思考深度，不必追求标准答案
• 请介绍你之前做过的AI项目，特别是智能体或RAG相关的
• 如何设计一个客服智能体的对话管理流程？
• RAG技术中，检索和生成如何有效结合？遇到相关问题怎么解决？
• 你对大模型的未来发展趋势有什么看法？
• 用Python实现一个简单的意图识别模块