AI全栈开发工程师

优缺点分析

角色解读

• 技术纵深发展：成为AI Agent领域的架构师或技术专家
• 横向扩展：向AI产品经理或技术Leader转型，参与更广泛的AI解决方案设计
• 行业影响力：通过开源贡献或技术分享，提升在AI社区的影响力
• 负责AI Agent系统的架构设计与核心功能开发，编写高质量代码
• 设计和搭建多Agent协作框架，构建智能体调度平台和任务编排系统
• 基于LangChain、LlamaIndex等框架开发企业级AI工作流，并攻克关键技术难点
• 参与AI客服、智能助理等项目的开发，与产品、算法、运营团队协作推动产品落地
• 精通Python编程，具备扎实的系统架构能力，熟悉Java/Go更佳
• 深度掌握LangChain、LlamaIndex、CrewAI等Agent开发框架
• 熟悉AI Agent技术栈：大模型应用、RAG、向量数据库、Prompt工程
• 熟练RPA开发，具备AI客服或智能助理项目经验

申请策略

• 关注联想AI部门的业务方向，准备一些关于AI Agent落地方案的想法
• 面试时强调解决复杂问题的能力和团队合作经验
• 突出AI Agent相关项目经验，详细描述使用LangChain等框架的具体工作
• 展示系统架构能力，如设计过多Agent协作系统或任务编排平台
• 列举RPA自动化项目成果，强调提升效率的数据
• 如果有开源贡献或个人技术博客，务必附上链接
• 若对LangChain/LlamaIndex不够深入，可以阅读官方文档并动手实践几个示例项目
• 补充RAG、向量数据库（如FAISS、Pinecone）和Prompt工程的知识

面试指南

• STAR法则：描述情境、任务、行动、结果，突出技术决策和量化成果
• 对比分析法：比较不同框架或方案的优缺点，展示技术深度
• 结构化表达：先总述思路，再分点阐述技术细节，最后总结价值
• 请描述一个你主导设计的AI Agent系统，包括架构和关键技术选型
• LangChain和LlamaIndex的区别是什么？在什么场景下选择哪个？
• 如何设计一个多Agent协作框架？如何处理Agent间的通信和任务分配？
• RPA在实际项目中如何与AI Agent结合？请举例
• 你如何看待AI Agent技术在企业中的未来发展趋势？