迪卡侬-AI(Agent Skills/Workflow Optimization) Intern零售供应链

优缺点分析

角色解读

• 表现优异可转正为正式AI工程师或供应链数据科学家，深入AI在零售领域的应用
• 积累AI自动化流程编排和大型语言模型落地经验，未来可向AI解决方案架构师或AI产品经理发展
• 通过跨部门协作和文档撰写，培养技术沟通和项目管理能力，为管理岗铺垫
• 使用低代码平台（阿里云百炼、Dify等）构建和维护AI自动化工作流，整合供应链系统的REST API
• 编写、测试和管理供应链场景的技能（如绩效分析、需求预测、库存管理），维护prompt输出质量基准库
• 清洗、结构化、分析AI输出数据，设计并跟踪KPI（准确率、延迟、成本等），生成周报和仪表盘
• 撰写功能文档、技术文档、排障指南和AI使用SOP，并跨团队进行知识分享和培训
• 掌握Python和SQL，能进行数据处理、自动化脚本编写和API测试
• 熟悉低代码工作流工具（百炼、Coze、n8n、Make等）和REST API基本概念
• 深入理解LLM原理、提示工程框架以及结构化输出设计（JSON/XML）
• 具备数据可视化（Tableau、Power BI、Excel高级）和指标设计能力

申请策略

• 在求职信中表达对体育零售和AI自动化的热情，提及对迪卡侬供应链的了解
• 准备一个简短的demo或作品集，展示你搭建的AI agent或自动化流程
• 突出Python/SQL项目经验，尤其是数据处理和API调用的实践
• 如果有低代码平台（如Dify、n8n）或LLM应用项目，务必展示
• 强调数据分析与可视化作品（Tableau/Power BI仪表盘案例）
• 展示英文技术文档写作能力（如有相关样本）
• 提前熟悉阿里云百炼或Dify平台，动手搭建一个简单工作流
• 学习Prompt Engineering最佳实践，尝试用LLM生成结构化输出

面试指南

• STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)来结构化回答项目经验
• 技术问题：先解释原理，再结合具体应用场景给出方案，最后提及权衡或优化
• 行为问题：强调沟通、主动性和学习能力，举例说明如何解决技术或协作难题
• 请介绍一下你使用低代码平台或workflow工具的某个项目经验
• 如何设计一个Prompt来从LLM获取结构化的库存分析报告？
• 描述一次你使用Python和SQL处理数据集并可视化的经历
• 你如何理解供应链中的绩效指标（如准确率、延迟）？
• 英文问题：Please describe a time you had to coordinate with cross-functional teams. How did you handle communication?