AI Engineer

优缺点分析

角色解读

• 在联想这样的国际化大厂，可以深入AI应用领域，从AI工程师成长为AI应用专家或技术负责人
• 有机会参与全球性项目，积累跨国协作经验，未来可向AI架构师或技术管理方向发展
• 随着AI在供应链、采购等领域的深入应用，可以成为行业+AI的复合型人才，职业道路广阔
• 负责开发和实施AI应用，特别是基于LLM和AI Agent的解决方案，以推动全球采购业务的数字化转型
• 利用LangChain、LangGraph等框架构建Agent，并结合RAG技术增强大模型在业务场景中的表现
• 参与大模型应用的运维和优化，包括提示词调优、模型微调等，以提升模型效果和稳定性
• 与产品、业务等跨职能团队协作，理解需求并交付高质量的AI解决方案
• 精通Python编程，具备扎实的数据结构和算法基础，这是构建和调优LLM应用的核心技能
• 深入理解LLM、RAG、提示工程等主流技术，并有实际的项目经验
• 熟悉LangChain、LangGraph、ReAct等Agent开发框架，能够构建复杂的AI Agent
• 具备良好的工程实践能力，熟悉Docker、Git、Maven等开发工具，并具备良好的英语沟通能力

申请策略

• 在申请前，了解联想在AI和供应链领域的布局，在面试中展现对业务的理解
• 准备一个能体现你技术深度和解决问题能力的项目案例，并清晰阐述你的贡献和思考
• 突出LLM、RAG、提示词工程等相关的项目经验，最好有量化成果，如模型效果提升百分比
• 强调Python编程能力，展示在数据结构、算法和工程化方面的扎实功底
• 如果有使用LangChain、LangGraph等框架构建Agent的经验，务必重点描述
• 体现英语能力，尤其是书面和口语沟通能力，因为需要跨国协作
• 系统学习LangChain、LangGraph等主流Agent框架，并尝试构建一个完整的Agent应用
• 深入理解RAG技术，包括向量数据库、检索策略、重排序等，并实践如何优化RAG效果

面试指南

• 回答项目经验时，可以遵循STAR原则（情境、任务、行动、结果），突出你的技术选型、实现过程和最终效果
• 对于技术方案设计类问题，可以展示你的思考过程，从需求分析、技术选型、架构设计到实现和优化，体现你的系统思维
• 对于技术对比类问题，可以从原理、适用场景、优缺点等角度进行对比，展现你的技术深度
• 请详细介绍一下你使用RAG技术优化LLM输出的项目，具体是如何做的？
• 如何设计一个AI Agent来解决一个复杂的业务问题？请举例说明
• 在调优LLM时，你如何选择提示词、RAG和微调等不同方法？
• 如何评估一个LLM应用的效果？你会关注哪些指标？
• 请谈谈你对LangChain和LangGraph等框架的理解，以及它们的优缺点