首页

优缺点分析

角色解读

• 技术深耕方向：从大模型应用开发工程师逐步成长为AI算法专家，深入模型训练、推理优化、多模态等核心技术领域
• 业务架构方向：随着对大模型业务场景的深入理解，可向AI解决方案架构师或技术负责人方向发展，主导大型AI应用系统的设计与落地
• 管理方向：在积累项目经验后，可晋升为技术团队负责人，带领团队负责AI产品的研发与迭代
• 负责大模型相关应用系统的研发，包括智能问答、智能搜索、文档问答、智能体、数字人、图片生成等，将前沿技术落地到实际业务场景
• 负责提示词的设计、优化与测试，熟练使用大模型相关工具，提升模型输出效果
• 负责模型训练数据的采集与清洗，设计基于大模型的自动化标注方案，为模型迭代提供高质量数据支撑
• 跟踪LLM、AIGC、多模态等前沿技术演进，评估其应用价值并推动在业务中的落地
• 扎实的计算机编程基础，熟练掌握Python语言，具备良好的代码能力
• 熟悉Docker部署以及Linux环境，能够独立完成服务的部署与运维
• 熟悉大模型部署和推理加速技术，熟悉vLLM等主流推理框架
• 具备大模型相关项目经历或研究背景，了解多模态、AIGC、数字人、图片生成等技术者优先

申请策略

• 在申请前，了解苏宁的业务方向和技术布局，特别是其在AI领域的应用，以便在面试中展现对业务的理解
• 准备1-2个完整的项目案例，展示从需求分析、技术选型到落地实施的全过程，突出个人贡献和解决问题的能力
• 突出大模型相关项目经历，包括项目背景、个人职责、技术方案和取得的成果，尤其是与智能问答、AIGC、多模态相关的项目
• 详细描述Python编程能力，以及Docker、Linux等工程化技能，体现扎实的工程能力
• 强调对大模型部署和推理加速技术的掌握，如vLLM等框架的使用经验，以及模型性能优化的具体案例
• 如有相关研究背景或论文发表，务必在简历中体现，以增强竞争力
• 深入学习大模型部署和推理加速技术，如vLLM、TensorRT-LLM等框架，并动手实践模型部署和性能调优
• 熟悉主流大模型API和开源模型，如GPT系列、Llama、Qwen等，并掌握提示词工程技巧，提升模型应用效果

面试指南

• 项目经验类问题：采用STAR法则（情境-任务-行动-结果）清晰描述项目，突出个人贡献、技术难点和解决方案，并量化成果
• 技术原理类问题：先阐述基本原理，再结合项目实践说明应用场景和效果，体现理论与实践结合的能力
• 业务应用类问题：从业务需求出发，分析技术可行性，提出技术方案，并考虑成本、效果和风险，展现全局思维
• 请介绍一个你参与的大模型相关项目，包括项目背景、你的职责、技术方案和最终效果
• 你如何设计提示词来优化大模型的输出效果？请举例说明
• 你了解哪些大模型推理加速技术？请谈谈vLLM的原理和优势
• 如何将大模型技术应用到智能问答或智能搜索等业务场景中？请谈谈你的思路
• 你如何评估一个前沿技术（如多模态）在业务中的应用价值？