软件产品-大模型rag算法实习生-杭州

优缺点分析

角色解读

• 从RAG算法实习生起步，可成长为NLP/搜索方向算法工程师
• 深入了解大模型应用技术，向AI产品研发方向发展
• 有机会转正成为正式员工，参与核心项目，积累行业经验
• 参与RAG系统基础功能开发，包括文档解析、知识检索、效果评测等，并收集业界技术演进情况
• 协助技术方案设计、代码实现与测试验证，推动项目落地
• 熟悉Java或Python编程语言，具备良好的工程实现能力
• 了解RAG、搜索引擎、知识图谱或NLP相关技术
• 了解向量数据库（如Infinity、Milvus）和大语言模型（LLM、Emb、Rerank）相关知识
• 具备沟通能力和团队合作精神，做事耐心有责任感

申请策略

• 提前了解海康威视在AI领域的业务布局，面试中展现对公司方向的兴趣
• 准备一个RAG相关的小项目或代码示例，以证明动手能力
• 突出RAG、NLP或知识图谱相关项目经验，展示技术深度
• 展示编程能力，尤其是Python/Java的项目代码和工程实现细节
• 如有相关论文、竞赛获奖或开源贡献，重点提及以增加竞争力
• 深入学习向量数据库和检索技术，了解主流工具如Milvus的用法
• 熟悉大语言模型API和调优方法，尝试动手搭建简单的RAG demo

面试指南

• 用STAR方法描述项目经历：情境、任务、行动、结果
• 从检索、生成、评测三个环节系统分析RAG系统
• 对比不同向量数据库的特点（性能、易用性、成本等）
• 请介绍你理解的RAG系统整体流程和关键组件
• 如何评估RAG系统的效果？有哪些常用指标？
• 向量数据库选型时需要考虑哪些因素？Infinity和Milvus有什么区别？
• 你过去在NLP或RAG项目中最具挑战的问题是什么？如何解决的？
• 你为什么对海康威视这个职位感兴趣？