智能体AI应用工程师DEF

优缺点分析

角色解读

• 可在AI Agent架构、LLM应用工程方向深耕，成长为智能体平台或AI应用技术负责人
• 积累制造业AI落地经验后，可向AI解决方案架构师、技术管理或跨业务线AI负责人方向发展
• 负责设计基于LLM的智能体框架，包含规划、记忆、工具调用与反思等模块
• 搭建RAG系统、多Agent协作与自动化工作流，并将其落地到生产现场的数据分析等场景
• 进行Prompt工程、模型微调量化蒸馏、工具集成与系统容器化上云部署
• 深入理解LLM原理，精通RAG、智能Agent、工具调用与多轮对话
• 熟练Python与主流AI框架，具备微服务、分布式、容器化与CI/CD工程化能力
• 具备AI Agent生产落地经验，能联动工艺、设备、生产团队推动应用，并具备较好的英语沟通能力

申请策略

• 提前了解宁德时代在智能制造与数字化方面的AI应用方向，面试时结合场景谈落地思路
• 准备讲述如何联动工艺、设备、生产团队推动AI应用的具体协作故事
• 重点突出主导过的AI Agent项目，量化说明生产落地效果与业务价值
• 展示RAG、多Agent协作、工具调用、Prompt工程等具体技术实践与架构设计
• 体现Python/AI框架、容器化与CI/CD的工程化能力，以及跨团队协作经验
• 补充LLM微调、量化、蒸馏等模型优化实战案例
• 强化Agent框架（记忆、规划、反思）与向量检索、RAG工程化的系统认知
• 提升英语沟通能力，为对接海外供应商与全球团队做准备

面试指南

• 用STAR结构讲清场景背景、你的架构决策、关键难点与量化成果
• 技术题先讲原理与方案对比，再落到你在实际项目中的取舍与验证方法
• 协作题强调理解业务方诉求、用数据与试点成果驱动共识
• 请介绍你主导过的一个AI Agent生产落地项目，架构如何设计、效果如何？
• 你如何设计RAG系统来保证检索质量与回答准确性？
• 多Agent协作与工具调用中你如何做规划、记忆与反思？
• 你在模型微调、量化、蒸馏方面有哪些实践经验？
• 如何说服并联动工艺、设备、生产团队推动AI应用落地？