AI大模型-操作方向

优缺点分析

角色解读

• 纵向深耕：成为电力垂直领域的大模型专家，主导复杂场景的AI解决方案设计
• 横向拓展：转向更广泛的AI产品管理或AI算法工程方向，提升技术深度
• 管理晋升：积累项目经验后，可带领团队负责更大规模的AI业务落地项目
• 负责电力行业AI大模型的日常运维、Prompt调优及知识库更新，确保模型稳定运行
• 清洗和整理电力市场、储能运营等垂直领域语料，提升模型输出的准确性和专业性
• 对接业务部门，将AI能力转化为实际的辅助决策、风险提示等功能，解决业务痛点
• 收集模型运行反馈，协同算法团队进行模型迭代和优化
• 熟悉大模型应用开发流程，掌握Prompt Engineering技巧
• 具备电力行业背景知识（如交易规则、政策、储能运营），能快速理解业务逻辑
• 具备数据处理能力，能高效清洗、标注和维护高质量语料库
• 良好的沟通协调能力，能在技术与业务团队间搭建桥梁

申请策略

• 了解宁德时代在AI领域的战略布局和技术栈偏好
• 准备一个具体的案例，说明你如何通过AI技术解决了某个业务问题
• 展现你对电力行业的热情和学习能力，弥补非科班出身的潜在劣势
• 突出任何与大模型应用、Prompt调优相关的实战项目经验
• 强调对电力、能源或金融等垂直领域业务的理解和数据分析能力
• 展示在数据清洗、知识库构建方面的具体案例和量化成果
• 体现跨部门协作能力和业务导向的思维模式
• 系统学习主流大模型（如LLaMA, ChatGLM等）的应用部署和微调基础

面试指南

• STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)来描述项目经验
• 结构化思维：分析问题原因，提出假设，验证假设，最终解决问题
• 业务结合：始终将技术方案与业务价值挂钩，强调ROI和用户受益
• 持续学习：展示对新知识和新技术的快速掌握和应用能力
• 请介绍一个你参与过的AI大模型应用项目，你在其中负责什么？
• 如何评估和优化一个Prompt的效果？请举例说明
• 面对电力行业复杂的政策和交易规则，如何构建和维护高质量的知识库？
• 当模型输出出现偏差或错误时，你通常如何排查和解决？