Advisory Researcher, Foundation Model

优缺点分析

角色解读

• 技术路线：从Agent开发专家到端侧AI架构师，主导下一代智能设备的核心技术
• 管理路线：积累项目经验后，可晋升为技术主管或AI团队负责人，领导更大规模的研发
• 跨领域发展：向具身智能、多模态AI等前沿方向拓展，成为复合型AI专家
• 主导端侧大模型Agent核心能力的工程实现，包括任务编排、工具调用和内存管理等
• 探索Agent能力从屏幕操控到设备控制的扩展，支持从概念验证到大规模部署的全流程
• 负责多场景集成和上下文控制，确保Agent在设备端的稳定性和性能优化
• 精通LLM/Agent应用开发、提示工程和工作流设计，能独立设计复杂Agent逻辑
• 熟悉MCP协议、函数调用和ReAct模式，掌握主流Agent框架如LangGraph
• 具备端侧或移动工程经验，能对Agent性能、稳定性进行深度优化

申请策略

• 联想重视技术深度和工程落地能力，面试时准备一个端侧Agent架构设计的完整方案
• 了解联想的智能设备战略（如AI PC），将个人经验与公司方向结合阐述
• 突出LLM/Agent相关项目经验，尤其是端侧部署或移动端应用的实例，量化性能提升指标
• 展示对MCP协议、LangGraph等框架的深入理解，可附上GitHub链接或技术博客
• 强调独立驱动复杂功能实现和性能优化的能力，用具体案例说明问题解决过程
• 若缺少端侧经验，可提前学习Android或Linux环境下模型部署、推理加速技术
• 补充Agent框架实践，如用LangGraph搭建一个简单的任务编排Demo
• 关注MCP协议的最新动态，理解其设计思想和应用场景

面试指南

• 针对设计类问题：先明确需求边界，再拆解步骤（感知-决策-执行），最后给出备选方案并对比
• 针对优化类问题：从模型层面（量化、剪枝）和工程层面（缓存、异步）两方面展开，突出实践数据
• 针对协议/框架问题：先定义核心概念，再分点说明工作机制，最后结合使用场景谈优缺点
• 请设计一个端侧Agent的任务编排流程，如何处理多步骤依赖和错误回滚？
• 解释MCP协议的工作机制，并对比与其他通信协议的优劣
• 如何优化端侧LLM推理的延迟和内存占用？你有哪些实际经验？
• 给定一个场景（如语音控制文件操作），如何用ReAct模式构建Agent逻辑？
• 你如何评估Agent在设备端的稳定性？有哪些关键指标和调试方法？