【共创】部署与测试工程师

优缺点分析

角色解读

• 技术专家路线：深入具身智能算法评测领域，成为大模型在机器人端侧部署与优化的技术专家
• 项目管理路线：转向交付管理或测试负责人，统筹大型机器人项目的端到端交付与质量控制
• 解决方案路线：凭借现场支持与客户需求理解，转型为售前技术支持或解决方案架构师
• 负责机器人搭载的大模型（多模态/视觉）在真机环境下的测试、评测与验证，确保算法落地质量
• 搭建自动化测试体系，编写脚本进行数据采集与分析，输出专业的评测与交付报告
• 参与全球展会Demo的部署、调试与客户支持，解决现场技术问题并协助客户演示
• 协同算法、硬件等多团队，推动交付问题的闭环与系统优化
• 扎实的工程基础：精通Python/Shell/C++，熟练使用Linux环境，具备自动化测试脚本编写能力
• AI与硬件知识：熟悉大模型原理、PyTorch/TensorFlow框架，了解嵌入式硬件、机器人平台及部署流程
• 评测与交付能力：具备多模态评测方法、评测集建设经验，能独立制定测试方案并输出报告
• 沟通与抗压能力：优秀的跨团队沟通能力，能适应高频出差及展会高压场景

申请策略

• 关注公司最新动态：深入了解智元机器人的最新产品（如远征系列）及技术路线，面试中展现针对性思考
• 准备现场案例：整理1-2个完整的‘问题发现-定位-解决-复盘’案例，体现闭环思维
• 突出‘大模型+硬件’交叉经验：重点描述在大模型端侧部署、真机测试中的具体贡献与技术难点突破
• 展示自动化测试成果：列举编写的自动化脚本数量、覆盖场景及提升的效率指标
• 强调交付与解决问题能力：提供在展会或客户现场成功解决突发技术问题的案例
• 体现语言能力：若英语好，明确标注可作为工作语言，增加海外展会支持的竞争力
• 深化大模型知识：补充Transformer、多模态融合等前沿理论，理解SOTA模型特性
• 提升硬件感知：学习ROS/ROS2、嵌入式开发基础，理解传感器与执行器的工作原理

面试指南

• STAR法则：情境(Situation)-任务(Task)-行动(Action)-结果(Result)，清晰阐述问题背景、个人角色、具体行动及量化成果
• 技术深度+广度：既展示底层原理理解（如模型结构、硬件接口），又体现上层应用能力（如测试策略、用户体验）
• 问题导向：强调‘发现问题-分析问题-解决问题-预防问题’的完整闭环思维
• 请分享一个你在大模型或AI算法落地过程中遇到的最难的技术问题，你是如何定位和解决的？
• 你如何设计一个针对机器人多模态大模型的评测体系？关键指标有哪些？
• 如果在全球展会现场，机器人Demo突然出现故障，你会如何处理？
• 请描述你使用Python/Shell编写自动化测试脚本的经验，如何保证脚本的稳定性和可维护性？
• 你如何看待具身智能行业的发展趋势？你认为当前最大的挑战是什么？