嵌入式基础软件工程师（AI赋能方向）_BCSC

优缺点分析

角色解读

• 成为嵌入式AI应用领域的专家，主导更多智能化研发工具的落地
• 向AI工程化或自动驾驶软件架构方向转型，深入理解端侧大模型部署
• 发展为技术管理岗位，带领团队进行AI赋能研发的规划与实施
• 开发基于AI Agent和大模型的内部研发工具，用于辅助嵌入式基础软件的开发、配置和诊断
• 打通底层软件数据（如ARXML、日志）与大模型应用的接口，实现自动化工作流
• 挖掘底软研发痛点，设计并落地AI赋能解决方案，提升研发效率
• 跟踪AI前沿技术，进行POC验证和技术预研
• 扎实的C语言编程能力及车载嵌入式底软开发经验（AUTOSAR、CAN/UDS等）
• Python编程能力，熟悉LangChain、向量库、Prompt Engineering等LLM应用技术
• 理解汽车软件开发流程（ASPICE/V模型）及功能安全概念
• 良好的跨团队协作能力和技术沟通技巧

申请策略

• 在求职信中明确表达对‘AI赋能传统研发’这一方向的认同和理解
• 准备1-2个具体的案例，说明你如何利用技术手段（尤其是AI）解决了实际工作中的痛点
• 突出C语言及嵌入式底软项目经验，特别是AUTOSAR、诊断、通信协议等相关细节
• 强调Python及AI工具开发经历，如有LLM应用、Agent开发或自动化脚本编写案例务必详述
• 展示解决复杂工程问题的能力和跨团队协作成果，体现‘桥梁’作用
• 深入学习LangChain、LangGraph等Agent框架，尝试构建简单的RAG系统
• 巩固车载网络通信（CAN/LIN/Ethernet）及诊断（UDS）基础知识
• 了解端侧大模型部署的基本原理和常见引擎（如TensorRT, ONNX Runtime）

面试指南

• STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)，重点突出行动中的技术选型和思考过程
• 对比分析法：对比传统方法与AI新方法在效率、准确性、成本上的差异
• 结构化表达：先讲清楚业务痛点，再讲技术方案，最后讲落地效果和未来展望
• 请介绍一个你利用AI或自动化工具提升工作效率的具体案例
• 你对AUTOSAR CP/AP的理解是什么？它在车载软件中的作用？
• 如何设计一个基于RAG的知识库来辅助底软诊断？
• 在将AI工具引入传统底软团队时，可能会遇到哪些阻力？如何克服？
• 解释一下Prompt Engineering的关键技巧及其在Agent开发中的应用