【27届校招】AI应用工程师

优缺点分析

角色解读

• 短期内可成长为团队核心的AI应用开发工程师，独立负责特定AI功能模块的设计与实现
• 中期可向AI平台工程师或解决方案架构师方向发展，专注于构建公司内部更通用、更强大的AI能力平台
• 长期可考虑技术专家路线，深耕特定AI技术领域（如RAG、模型微调），或转向技术管理岗位，带领团队进行技术创新
• 负责将AI概念转化为实际的产品功能，例如构建一个能回答公司产品问题的智能客服
• 连接并使用各类主流大语言模型（如GPT、GLM），并通过精心设计的提示词(Prompt)让模型输出更符合业务需求的结果
• 编写和维护支持AI功能的后端代码与接口，确保服务能够快速、稳定地响应用户请求
• 保持对AI技术发展的敏感度，研究新工具、新模型，并评估如何将其应用到现有产品中以提升体验
• 扎实的编程能力，特别是Python语言以及FastAPI/Flask等后端框架的实战经验
• 对大语言模型（LLM）有基础认知，具备调用其API以及进行Prompt设计与优化的初步经验
• 熟悉数据库（MySQL， Redis）的基本操作，能够处理应用产生的数据
• 有快速学习和解决新问题的意愿，能够紧跟AI技术的快速迭代

申请策略

• 仔细研究卓胜微的产品和业务，思考AI技术可以如何应用在其中（例如，在射频芯片的设计、测试或客户服务环节），在面试中展现你的业务洞察力
• 在面试中，准备好详细讲述你过去的任何一个AI相关项目，清晰说明你的角色、遇到的困难、解决方法以及最终成果
• 重点突出与AI相关的课程项目、毕业设计、竞赛经历或个人项目，尤其是涉及LLM、NLP、机器学习的内容
• 清晰展示Python编程能力，如有使用FastAPI/Flask构建后端服务、调用API、操作数据库的实践经验，请具体说明
• 如果有GitHub链接或在线作品集，务必在简历中附上，直观展示代码质量和项目成果
• 强调自驱力、逻辑思维和团队协作能力，可通过描述一个独立解决问题或团队合作完成复杂任务的案例来体现
• 系统学习并动手实践一个主流大模型（如GLM或GPT）的API调用，尝试完成一个简单的Prompt工程应用，例如知识问答机器人
• 深入理解RAG（检索增强生成）的基本原理和实现流程，尝试搭建一个简单的本地知识库问答Demo

面试指南

• 对于项目经历类问题，采用STAR法则（情境-任务-行动-结果）来组织回答，重点突出你的技术选型、问题分析和动手能力
• 对于方案设计类问题，先明确核心需求（如准确性、响应速度、成本），然后列出关键技术模块（数据准备、模型选择、应用逻辑、部署），并简述各模块的可能方案
• 对于概念理解类问题，结合自己的学习或实践经验，用清晰、简单的语言解释核心思想，并说明其价值
• 请介绍一下你做过的最有挑战性的AI项目/课程设计，遇到了什么问题，你是如何解决的？
• 如果让你为一个新产品设计一个‘智能问答’功能，你会考虑哪些技术点和实现步骤？
• Prompt工程调优有哪些常见的技巧或思路？可以举一个你优化Prompt的例子吗？
• 你对RAG（检索增强生成）技术是怎么理解的？它解决了什么问题？
• 你如何看待AI应用工程师这个岗位？你认为自己有哪些优势可以胜任？