AI应用开发工程师（STE-Infra）(J14540)

优缺点分析

角色解读

• 深入AI应用开发领域，成为大模型应用架构师或AI技术专家
• 向技术管理方向发展，带领团队完成AI化转型
• 横向拓展至AI产品经理或AI解决方案架构师，结合业务推动智能化创新
• 将前沿AI技术（如大模型、RAG、Agent）与产品功能结合，设计并实现面向用户的AI增值功能
• 基于用户行为数据分析，挖掘AI可提效的业务场景，优化AI功能效果和用户体验
• 负责AI功能端到端交付，包括需求分析、方案设计、模型选型，并确保服务稳定性
• 作为团队AI coding专家，指导团队成员进行AI技术转型
• 精通Python及常用Web框架（Flask/FastAPI），具备扎实的编码能力
• 有企业级AI Agent、大模型应用系统研发经验，了解RAG、Agent工程化实现
• 熟悉向量数据库使用，具备AI系统架构设计能力
• 良好的沟通协作能力，能清晰理解业务需求并转化为技术方案

申请策略

• 在简历中附上AI项目的GitHub链接或技术博客，展示你对AI技术的热情和动手能力
• 面试前了解长江存储的业务场景，思考AI如何应用于芯片制造或企业信息化
• 重点突出企业级AI Agent或大模型应用的项目经验，说明你在其中的具体贡献和结果
• 强调Python及Flask/FastAPI开发经验，以及向量数据库、RAG等技术的实际使用案例
• 展示你如何从业务需求出发设计AI方案，以及如何优化系统稳定性和性能
• 如果有技术指导或团队协作经验，务必提及
• 深入理解大模型API调用和微调技术，熟悉LangChain、LlamaIndex等框架
• 补充向量数据库（如Milvus、Pinecone）的实践经验，了解检索增强生成原理

面试指南

• STAR法则：描述情境、任务、行动和结果，突出技术难点和你的解决方案
• 从业务价值和技术实现两个维度回答，体现工程思维和产品意识
• 展示学习能力：新技术如何快速上手，并举例说明
• 请详细介绍一个你参与的大模型应用项目，包括技术选型、架构设计和遇到的挑战
• 解释RAG的工作原理，以及在实际项目中如何优化检索效果
• 如何评估AI功能的效果？你会采用哪些指标来迭代优化？
• 描述一次你与业务人员或产品经理沟通需求的经历，如何将模糊需求转化为技术方案？
• 谈谈你对AI Agent的理解，以及它在企业应用中的落地难点