Senior Analyst (大模型算法) - CTO- GDC -Chongqing税务与商务咨询

优缺点分析

角色解读

• 在专业深度上，可成为大模型应用与Agent系统的架构师，主导复杂AI产品的技术方案设计
• 在广度上，可向AI产品经理或解决方案专家发展，深入理解业务并驱动技术产品化
• 在团队中，可凭借技术影响力和跨团队协作能力，逐步承担技术团队带领或专家顾问角色
• 设计并开发基于业务场景的多模态大模型智能体（Agent），实现从推理、规划到工具调用的完整闭环
• 构建和优化Agent的运行系统，包括可复用的技能体系、多智能体协作编排和上下文管理
• 设计模型输出的安全护栏与约束机制，并搭建持续评估和反馈的自动化管线，确保系统稳定可靠
• 扎实的NLP与深度学习基础，具备对话系统、知识图谱或推荐系统等领域的实际工程落地经验
• 精通大模型生态核心组件与协议，如LangChain、RAG、Agent推理循环（ReAct）、函数调用及MCP/A2A等
• 深入的RAG实践经验，熟练掌握向量数据库与检索优化策略，能独立设计端到端检索链路
• 至少精通一门编程语言（Python/Java/Node.js）及主流深度学习框架（PyTorch/TensorFlow）

申请策略

• 德勤作为专业服务机构，非常注重逻辑严谨性和解决问题的结构化思维，在简历和面试中应注意体现
• 可以研究德勤在AI和数字化转型方面的公开案例或报告，了解其技术方向和业务痛点，在面试中提出有见解的问题
• 重点突出1个以上大模型应用、Agent开发或RAG系统的完整项目经验，详细描述你的技术方案、架构设计和取得的成果
• 清晰列出你精通的技术栈，特别是与职位要求高度相关的如LangChain、向量数据库、PyTorch、Python等
• 强调在NLP或相关领域的工程落地经验，如对话系统、知识图谱项目，并说明你的贡献
• 如有跨团队协作推动技术方案落地的经历，可作为软实力的证明
• 系统复习和实践Agent开发框架（如LangChain、AutoGen等）及相关协议（ReAct, Function Calling, MCP），加深理解
• 针对RAG方向，可尝试搭建一个完整的知识库问答系统，熟悉向量数据库（如Milvus）和检索优化策略

面试指南

• 使用STAR原则（情境、任务、行动、结果）来组织你的项目经验描述，突出你的技术决策和贡献
• 对于系统设计类问题，先明确目标和约束，然后提出你的架构思路（组件、交互、数据流），并说明理由和权衡
• 结合具体技术细节（如使用的算法、框架、优化技巧）来证明你的实践经验深度，而非泛泛而谈
• 请介绍一个你主导或深度参与的大模型/Agent项目，重点说明技术选型、架构设计和最终效果
• 在RAG系统中，如何解决长尾知识问题和多跳推理难题？你有哪些实践经验？
• 如何为大模型Agent的输出设计安全护栏和约束机制？请举例说明
• 你如何设计一个可复用、可扩展的Agent技能体系？
• 如果让你为一个税务咨询场景设计端到端的Agent解决方案，你会如何思考？