AI系统开发工程师

优缺点分析

角色解读

• 技术方向发展：从AI系统开发工程师成长为AI架构师或技术专家
• 管理方向发展：积累项目经验后可晋升为技术团队负责人
• 跨领域发展：深化大模型应用能力，进入AI产品等方向
• 负责大模型应用服务端的设计与落地，通过架构改进和系统优化提升效率与稳定性
• 根据业务规划输出前瞻性的方案架构和概要设计，并跟进详细设计与实现
• 主导关键技术预研和攻关，编写核心代码，解决高并发、分布式系统等疑难问题
• 扎实的Golang开发经验，熟悉gRPC、Redis、消息中间件等分布式技术
• 熟悉云原生架构和高并发系统设计，能进行性能优化和故障排查
• 具备LLM实际应用经验，了解主流大模型的使用和调优
• 良好的沟通能力和团队协作精神，能推动技术方案落地

申请策略

• 提前了解深信服在AI领域的业务布局和产品，思考大模型在其安全、云业务中的应用场景
• 准备一个完整的架构设计案例，展示从需求到落地的过程
• 突出Golang项目经验，特别是高并发、分布式系统的设计案例
• 详细描述LLM实际应用项目（预训练、微调、RAG等），并说明效果
• 展示架构设计文档或方案成果，体现体系化思维
• 强调技术攻关和问题解决的具体实例
• 深入学习LLM的微调技术（LoRA、SFT）和RAG架构
• 熟悉云原生工具如Kubernetes、Service Mesh等

面试指南

• 对于架构设计问题，采用“背景-挑战-方案-效果”的STAR结构，先描述业务场景和核心指标，然后说明技术选型和关键设计决策，最后总结成果
• 对于技术细节问题，结合具体项目实例，由浅入深解释原理，并提及遇到的坑和解决方法
• 请描述你设计过的一个高并发系统架构，如何保证稳定性和可扩展性？
• 你使用过哪些大语言模型？如何评估它们的性能？
• 在分布式系统中，如何处理缓存一致性和消息丢失问题？
• 你如何将一个现有系统迁移到云原生架构？关键步骤是什么？
• 你对RAG和微调有什么理解？在什么场景下选择哪种方法？
• 复习Golang并发编程和内存管理，准备相关代码示例