大模型算法工程师

优缺点分析

角色解读

• 可从算法工程师向资深算法专家或技术负责人发展，成为Agent方向的核心技术人员
• 积累多行业场景经验后，可转向AI产品经理或解决方案架构师
• 持续跟踪前沿技术，有机会参与开源社区贡献或发表顶会论文
• 参与AI智能体核心算法研发，包括任务规划、记忆管理、工具调用和RAG检索，搭建多智能体协同框架
• 针对政务、石化等行业场景进行算法调优、提示词工程和领域微调，提升任务执行准确率
• 跟踪前沿论文，独立完成技术调研和算法原型开发，推动技术创新
• 配合工程团队完成云端部署和性能优化，确保算法落地稳定
• 扎实的机器学习、深度学习理论基础，熟悉大模型原理
• 精通Python，熟练使用PyTorch或TensorFlow，有相关框架实操经验
• 熟悉LangChain、AutoGen、LlamaIndex等智能体框架，具备RAG或微调项目经验
• 良好的逻辑推理和工程落地能力，熟悉Linux环境

申请策略

• 了解浪潮云的业务方向（政务、石化、制造），在简历或面试中体现行业理解
• 关注Agent领域最新论文，准备一两个技术见解，展示研究兴趣
• 突出大模型或Agent相关项目经验，如RAG系统、多智能体框架开发
• 强调算法复现和工程落地案例，展示从理论到实践的能力
• 列出熟悉的技术栈，如Python、PyTorch、LangChain等
• 展示自主学习成果，如阅读论文、开源贡献或技术博客
• 如果缺乏Agent框架经验，建议快速学习LangChain或AutoGen，完成一个Demo项目
• 补充大模型微调（如LoRA）和RAG的实战知识

面试指南

• 对于技术原理问题，先给出定义和核心流程，再结合实际案例说明
• 对于项目经验问题，采用STAR法则（情境、任务、行动、结果）结构化回答
• 对于开放性问题，先分点列出关键因素，再举例佐证
• 请解释RAG的工作原理，并说明如何解决检索质量低的问题
• 多智能体协同中如何解决任务冲突和通信问题？
• 你如何评估一个微调模型的效果？有哪些指标？
• 描述一个你解决模型幻觉的实际案例
• 你对LangChain和AutoGen的异同有什么理解？