蚂蚁消金-AI工程师-重庆

优缺点分析

角色解读

• 可在AI技术领域深入发展，从AI工程师成长为高级AI专家或架构师
• 有机会向AI产品方向转型，基于业务场景设计智能体解决方案
• 在金融科技领域积累行业知识，发展方向包括技术管理或业务专家
• 负责大模型应用开发，包括Prompt Engineering、RAG系统、模型微调的工程化实现，并完成端到端的项目交付
• 开发金融业务智能体（如客服Agent、营销Agent），构建可复用的AI能力模块，并参与Multi-Agent协作系统的开发与调试
• 参与大模型智能体平台建设，包括Agent生命周期管理、Skill市场开发、模型接入与调度中枢，保障平台稳定性
• 负责AI模型的工程化部署，如模型量化、推理加速、服务化封装，并编写技术文档沉淀最佳实践
• 扎实的机器学习/深度学习基础，熟悉LLM基本原理（Transformer、注意力机制）
• 至少掌握Prompt Engineering、RAG、模型微调（LoRA/QLoRA）、大模型API集成中的两项，并有实际落地经验
• 熟练使用AI Coding工具（如Cursor、Copilot、Claude Code）提升开发效率
• 了解金融科技场景，具备金融时序预估、知识图谱、多模态或信贷风控中至少一项能力

申请策略

• 面试前重点准备LLM原理和实际项目案例，能够深入讲解技术细节
• 关注蚂蚁集团和消金业务的最新动态，思考AI如何赋能金融场景
• 突出大模型项目经验，特别是Prompt Engineering、RAG或微调的落地案例
• 展示Agent开发或Multi-Agent系统的实际应用，如客服、营销场景
• 强调AI Coding工具的使用能力，体现高效开发的实践
• 提及金融领域相关经验，如风控、时序预测等，增加匹配度
• 熟悉当前主流LLM（如GPT、Llama、Qwen）和开发框架（如LangChain、LlamaIndex）
• 练习模型微调技术，掌握LoRA、QLoRA等高效微调方法

面试指南

• 项目描述采用STAR原则，突出技术挑战和你的贡献
• 对于技术原理题，先阐述基本概念，再结合项目经验说明实际应用和优化方法
• 设计题可以从系统架构、模块划分、数据流和异常处理等多角度分析
• 请详细描述你做过的一个大模型项目，包括技术选型和遇到的问题
• RAG系统中如何解决检索质量不高的问题？
• 说明LoRA微调的原理和适用场景
• 如何设计一个多Agent协作系统来处理复杂任务？
• 你如何评估一个AI Agent的效果和性能？