对外院-应用与AI开发岗

优缺点分析

角色解读

• 从应用与AI开发工程师向高级架构师或AI技术专家发展，深耕工业AI落地与复杂系统架构
• 向技术管理方向转型，带领团队负责研究院核心数字化系统的规划、建设与团队管理
• 负责吉利汽车研究院业务与经营相关的应用及AI软件开发，推动AI平台产品在实际业务中落地
• 对接业务与产品经理，深度参与业务需求和软件架构设计，确保技术方案与业务目标对齐
• 负责底层系统架构的设计、优化与性能提升，确保系统的高可用性、合理性与安全性
• 熟练掌握Python和SQL，具备数据库存储过程开发及容器化部署能力，基础扎实
• 具备3-8年后端或AI开发经验，熟悉系统架构设计，能够独立进行性能优化与安全保障
• 了解LangGraph等AI开发框架，有汽车研发或制造等工业领域的数字化系统开发经验者优先

申请策略

• 了解吉利汽车近期的智能化、数字化转型战略及研究院的核心业务方向，在面试中展现对工业AI落地场景的独立思考
• 突出Python/SQL开发经验及容器化部署等后端基础技能，展现扎实的工程能力
• 重点展示参与过的AI应用开发项目，特别是使用LangGraph或类似框架构建Agent/工作流的经验
• 强调在工业、汽车或制造领域的数字化系统开发经验，体现对复杂业务场景的理解
• 深入学习LangGraph及主流大模型应用开发框架，掌握多Agent协同与复杂工作流编排
• 补充汽车研发、制造业务流程及工业数字化的相关知识，提升业务对话能力

面试指南

• 针对项目经验：采用STAR法则，重点突出业务背景、技术选型（特别是AI和后端架构）、解决的核心难点及最终业务收益
• 针对架构设计：从安全性、扩展性、性能优化三个维度展开，结合具体技术栈（如容器化、数据库优化）说明你的设计思路与权衡过程
• 请介绍一个你主导或深度参与的AI应用落地项目，遇到了哪些技术挑战，如何解决的？
• 在工业/制造类数字化开发中，如何保证底层系统架构的合理性与高可用性？
• 你对LangGraph有什么了解？在实际项目中如何使用它来构建AI Agent或工作流？
• 如何对接业务和产品经理，将模糊的业务需求转化为具体的软件设计方案？
• 复习Python高级特性、SQL优化及容器化（Docker/K8s）部署知识，准备应对底层技术细节的考察
• 了解LangGraph的核心概念及其与LangChain的区别，准备一个具体的AI工作流设计案例