27秋招-AI应用开发工程师（AIOps）（北京）-5389(J12461)

优缺点分析

角色解读

• 技术纵深发展：可成长为AIOps领域的技术专家、AI架构师，或向MLOps方向深入
• 技术广度拓展：由于岗位涉及前后端、运维、AI多个领域，有机会向全栈工程师或技术负责人发展
• 行业应用深化：积累企业级AI落地经验后，可转型为AI解决方案架构师，服务于更广泛的行业场景
• 设计和开发基于大语言模型（LLM）的智能运维应用，如故障诊断机器人、知识库问答系统
• 构建和维护支持AI应用的RAG（检索增强生成）系统与运维智能体（Agent）
• 将AI能力与传统企业IT系统（如AD域控、邮件系统）进行深度集成与赋能
• 负责AI应用后端服务、数据库缓存、前端交互页面的全链路开发与部署
• 扎实的Python后端开发能力，熟悉至少一种Web框架（如FastAPI）
• 核心的AI应用开发能力，熟悉LangChain/LlamaIndex框架及Prompt工程
• 底层的Linux系统运维知识与企业IT架构（AD/LDAP）理解
• 前后端协作能力，了解Vue框架及Git版本管理

申请策略

• 仔细研究AIOps的典型场景（如智能告警、根因分析），思考如何将AI技术应用于其中，面试时可展现你的思考
• 了解三六零在安全、政企服务等领域的业务，思考AI运维技术如何为其核心业务提供支持
• 重点突出与AI应用开发、RAG/Agent相关的课程项目、毕业设计或实习经历，详细描述技术选型和实现效果
• 强调Python后端开发经验，如有使用FastAPI/Django的项目，请具体说明所承担的模块和设计的API
• 如有涉及Linux运维、Shell脚本、数据库优化或任何与企业IT系统交互的实践，务必清晰呈现
• 展示独立解决问题的能力和对新技术的学习热情，例如GitHub项目、技术博客或竞赛经历
• 快速深入学习LangChain或LlamaIndex框架，尝试动手实现一个简单的RAG应用，理解其核心流程
• 复习Python Web框架（尤其是FastAPI）的异步编程和RESTful API设计规范

面试指南

• 对于项目经验问题，使用STAR法则（情境、任务、行动、结果）结构化描述，突出你的技术决策和量化成果
• 对于系统设计问题，先阐述整体架构（数据流、核心模块），再深入关键技术点（如向量检索、Prompt模板设计），并考虑可维护性与扩展性
• 对于运维和工程化问题，结合具体工具和命令描述操作流程，并强调排查问题的逻辑思路和规范意识
• 请介绍一个你做过的AI应用项目，你在其中扮演什么角色？遇到了哪些技术难点，是如何解决的？
• 如果让你设计一个基于大模型的智能运维问答系统，你会如何构建知识库（RAG）？会考虑哪些关键因素？
• 你了解哪些Linux系统性能排查工具或方法？请描述一个你通过分析日志或系统状态定位复杂问题的例子
• 如何将一个AI后端服务部署到生产环境？需要考虑哪些环节（如容器化、CI/CD、监控）？
• 请解释一下什么是Prompt Engineering中的CoT（思维链）或ReAct模式，并举例说明其应用场景