软件开发工程师

优缺点分析

角色解读

• 从AI应用开发工程师逐步成长为技术专家，深入掌握大模型应用全栈技术
• 向AI架构师方向发展，主导复杂系统设计和技术选型
• 积累项目经验后，可转向技术管理或产品方向，成为团队骨干
• 参与Agent智能体后端功能开发，实现任务规划、工具调用和对话管理，优化智能体在复杂业务下的稳定性
• 开发RAG知识问答应用，负责检索、召回、重排等模块工程实现，提升知识检索准确率
• 承担LLM业务系统后端架构工作，包括接口设计、模型调用层开发、缓存优化及监控搭建
• 进行Prompt设计与调优，建立评测集，持续评估模型效果并推动数据驱动优化
• 扎实的后端开发能力，熟练掌握至少一种主流语言（如Python）和框架，熟悉数据库、缓存、网络协议
• 深入理解LLM基础原理，熟悉Agent、RAG、SFT等AI技术栈，有实际项目经验更佳
• 具备优秀的学习能力和创新思维，能主动跟踪AI前沿技术并快速实践
• 良好的责任心和团队协作能力，能在协助角色中高效输出

申请策略

• 提前了解浪潮在AI领域的业务方向，如云计算、企业服务等，在面试中展现对业务的理解
• 准备一个完整的AI应用项目经历，包括设计思路、技术选型、实现细节和效果，能够清晰流畅地阐述
• 重点展示AI相关项目经验，特别是Agent、RAG、LLM应用的后端开发案例
• 突出后端技术栈的掌握程度，如Python、Django/Flask、SQL、Redis等
• 若有开源贡献、竞赛获奖或科研课题，务必详细描述技术方案和成果
• 体现自主学习和追踪前沿技术的能力，如列出阅读的论文或实践的技术
• 深入学习LangChain等主流AI应用框架，动手搭建完整的RAG或Agent demo
• 补充大模型部署和推理优化知识，如vLLM、量化技术等

面试指南

• 对于技术原理类问题，先清晰定义概念，然后分步骤说明流程，最后结合实际案例补充
• 对于设计类问题，先明确目标和约束，再列出核心模块，描述交互逻辑，最后讨论优化点
• 对于优化类问题，从瓶颈分析入手，提出多种方案并比较优劣，展示工程思维
• 请解释RAG的工作原理，以及如何优化检索准确率？
• 设计一个Agent智能体的tool calling流程，需要考虑哪些关键点？
• 你对LLM的SFT微调有什么理解？什么场景下需要微调？
• 后端开发中如何优化API响应速度？请结合缓存和数据库策略说明
• 大模型推理延迟较高，如何在工程上解决这一问题？