AI研发工程师

优缺点分析

角色解读

• 初期可深耕 AI 应用层开发，成为大模型应用工程师
• 中期可向 AI 算法工程化方向转型，参与更核心的模型优化与部署
• 长期可发展为 AI 项目负责人或技术专家，主导工业智能化解决方案
• 主要协助资深工程师进行工业AI项目的落地执行，包括数据清洗、知识库构建等基础工作
• 负责大模型应用的接口开发与API调用，确保系统功能的稳定运行
• 为项目实施和售前团队提供技术支持，解决客户在使用产品过程中遇到的技术问题
• 熟练掌握 Python 编程语言，具备扎实的编码基础
• 熟悉 RAG（检索增强生成）技术架构，了解大模型 API 的使用与集成
• 具备良好的学习能力，能快速适应工业AI领域的新技术栈

申请策略

• 关注浪潮在工业互联网、智能制造等领域的最新动向，面试时可结合业务场景提问
• 准备一个体现你‘独立思考’和‘解决问题’能力的具体案例
• 突出 Python 项目经验，特别是与大模型 API 交互或数据处理相关的经历
• 展示对 RAG 技术的理解，如有相关 Demo 或开源项目贡献更佳
• 强调学习能力与团队协作案例，证明能快速融入团队并完成任务
• 深入学习 LangChain 或 LlamaIndex 等大模型开发框架
• 补充向量数据库（如 Milvus, Pinecone）的使用知识
• 了解基本的 NLP 原理及数据清洗工具链

面试指南

• 使用 STAR 法则（情境、任务、行动、结果）描述过往项目经历
• 对于技术问题，先阐述原理，再结合具体工具链说明实现路径
• 展现积极的学习态度，举例说明如何通过文档、社区或实验解决未知问题
• 请介绍一个你使用 Python 处理数据的实际案例
• 你对 RAG 技术流程有哪些了解？遇到过哪些挑战？
• 如果售前反馈客户的大模型接口响应慢，你会如何排查？
• 你如何快速学习一项陌生的 AI 技术？
• 复习 Python 基础语法及常用库（Pandas, NumPy）