AI应用开发实习生（北京）-5071(J12001)

优缺点分析

角色解读

• 实习转正后可晋升为AI应用开发工程师，专注大模型落地
• 向高级AI算法工程师方向发展，深入优化检索与生成模型
• 未来可转型为AI架构师，主导智能应用系统设计与部署
• 构建和优化RAG智能问答系统，提升检索精度和生成质量
• 通过Prompt Engineering调整大模型输出，适配垂直领域业务需求
• 对接DeepSeek、通义千问等大模型API，实现功能集成与本地部署
• 熟练掌握Python及Linux/Git等开发工具
• 熟悉LangChain或LlamaIndex等主流AI框架
• 理解RAG技术原理，包括知识库构建、检索优化和生成调优
• 具备Prompt Engineering实践经验，能针对性优化业务效果

申请策略

• 在简历中突出技术热情和学习能力，展示对三六零公司AI产品的了解
• 面试前准备一个RAG项目的完整讲解，包括遇到的困难和解决方案
• 突出RAG相关项目经验，如构建过知识问答机器人或检索系统
• 展示Python、LangChain、ElasticSearch等工具的使用案例
• 如果有Prompt Engineering的优化成果（如提升准确率），务必列出
• 强调开源贡献或部署过开源大模型工具的经验
• 提前熟悉LangChain/LlamaIndex框架，并动手完成一个小型RAG项目
• 掌握向量数据库（如FAISS）和ElasticSearch的安装与使用

面试指南

• 结构化回答：先说明原理，再结合项目经验，最后总结优化效果
• STAR法则：Situation（背景）、Task（任务）、Action（行动）、Result（结果），清晰展示个人贡献
• 对比分析：当被问及技术选型时，客观比较不同方案的优缺点，并给出选择理由
• 请解释RAG的工作原理，以及它如何解决大模型的幻觉问题？
• 你如何优化向量检索的召回率？有哪些常用的评估指标？
• 描述一次你使用Prompt Engineering改进模型输出的经历，效果如何？
• LangChain和LlamaIndex有什么区别？你更倾向于使用哪个？
• 如果知识库中的文档都是PDF格式，你会如何构建索引？