算法测试工程师-实习生

优缺点分析

角色解读

• 可从算法实习逐步深入工业 AI、机理建模与智能体应用，向算法工程师/应用 AI 工程师发展
• 积累 Golang/PostgreSQL 和后端工程能力后，可转向算法工程、数据工程或数字化解决方案岗位
• 在跨国工业企业的业务场景中沉淀行业知识，后续可向解决方案架构或技术专家方向发展
• 将业务中的机理模型转化为可执行的算法程序，参与从需求理解到代码落地的过程
• 协助搭建面向特定工业/业务场景的 AI 智能体，可能涉及数据接入、流程编排与效果验证
• 编写技术文档，记录算法设计、实现逻辑和使用说明，便于团队存档与复用
• 具备算法建模和数学分析基础，能理解机理模型并转化为计算流程
• 掌握至少一门编程语言，熟悉 Golang 及 PostgreSQL 是加分项
• 具备 AI 智能体/应用搭建意识，了解数据处理、接口调用和工程化落地
• 能撰写清晰的技术文档，保证实现过程可追溯

申请策略

• 投递前了解 ABB 在工业自动化、电气化和数字化解决方案方面的业务，面试中结合场景表达兴趣
• 主动询问实习周期、导师安排、具体工作地点与产出要求，确认与个人目标匹配
• 突出数学建模、算法设计课程/项目，说明如何将模型转化为代码
• 展示 Golang 或 PostgreSQL 相关项目，哪怕是课程作业或小型系统
• 如有 AI 智能体、LLM 应用、数据处理或接口开发经验，重点写出实现过程与结果
• 体现技术文档写作能力，可附上项目文档、设计说明或 GitHub README
• 补齐 Golang 基础语法、并发与常用工程实践，准备可运行的小项目
• 熟悉 PostgreSQL 的表设计、SQL 查询与索引基础，理解数据存储与读取

面试指南

• 项目类问题用 STAR：背景-目标-方法-结果，重点讲建模思路、代码实现和验证方式
• 技术类问题先给结论，再解释原理和项目中的实际用法，最后说明限制
• 场景类问题按“需求拆解-数据/模型-工程实现-验证迭代”回答，体现落地意识
• 请介绍一个你负责的数学建模或算法项目，如何从问题抽象到代码实现？
• 你了解 Golang 的哪些特性？在项目中如何使用？
• 如果要用 PostgreSQL 存储算法输入输出数据，你会如何设计表结构？
• 你理解的 AI 智能体是什么？如何为一个工业场景搭建简单 Agent？
• 你如何保证算法实现的可验证性和技术文档的完整性？