Agent算法工程师-Agent Algorithm Engineer(J21379)

优缺点分析

角色解读

• 纵向可晋升为AI技术专家或架构师，主导更复杂的大模型系统架构设计
• 横向可拓展至半导体智能制造、自动化测试等更广泛的AI落地场景，成为“AI+半导体”的复合型专家
• 负责芯片测试Agent的核心推理链路架构设计，包括多轮对话、意图识别和工具调用
• 将半导体行业的专业规范（SPEC）和故障分析（FA）方法论转化为大模型可执行的决策逻辑
• 构建输出质量评估闭环，持续优化Agent的可靠性和业务适配度
• 熟练掌握Python/Java异步编程，具备主流大模型应用开发框架的实战经验
• 拥有3年以上后端开发经验，且至少主导过一个垂类Agent项目的核心模块开发与上线
• 具备将复杂业务逻辑（如半导体诊断方法论）转化为决策树等可执行结构的能力

申请策略

• 在面试中展现对半导体行业业务逻辑的理解意愿，强调自己快速学习跨领域知识的能力
• 重点突出主导过的Agent项目经验，详细说明在意图识别、工具调用、上下文管理等方面的具体贡献
• 展示将复杂业务逻辑转化为可执行结构（如决策树、知识图谱）的实际案例
• 强调Python/Java异步编程能力及大模型框架的工程化落地能力
• 提前了解半导体制造基础概念，特别是芯片测试规范（SPEC）和故障分析（FA）流程
• 深入研究大模型在垂直领域的RAG（检索增强生成）和Agent评估优化技术

面试指南

• STAR法则：针对项目经验，从情境、任务、行动、结果四个维度结构化回答，突出技术难点和解决方案
• 业务+技术双重视角：在回答技术问题时，结合业务场景（如半导体测试）说明技术选型的合理性
• 请详细描述你主导过的一个Agent项目，你是如何设计多轮语义理解和工具调用链路的？
• 在工业或垂类场景中，如何保证大模型输出的准确性和稳定性？你用过哪些质量管控机制？
• 如果要将一个复杂的半导体故障诊断方法论转化为Agent可执行的逻辑，你会如何设计？
• 针对Agent系统的性能优化和可扩展性，你有哪些实际经验或技术规划？
• 准备1-2个自己主导的Agent项目案例，梳理架构图和核心代码逻辑
• 查阅长鑫存储的主营业务及芯片测试相关的基础知识，了解SPEC和FA的基本概念