联想 – AI开发工程师（AI Agent方向） 职位分析和面试指导

职位简介：

作为联想AI开发工程师（AI Agent方向），你将参与AI Agent的设计、开发与优化，实现智能决策、多任务调度及对话交互能力，构建多模态意图识别模型并设计动态澄清策略，开发长短期记忆模块以跟踪用户偏好与对话历史。基于机器学习/深度学习算法完成数据清洗、模型训练与效果调优，探索大模型在Agent场景中的应用，包括基础微调与部署测试，同时协助构建AI Agent的知识库、工具调用及多模态交互能力。你需要熟练使用Python和PyTorch/TensorFlow框架，掌握机器学习与深度学习基础理论，了解Agent基础架构，熟悉主流大模型原理及微调方法，具备AI应用落地实战经验，对技术有强烈热情并能快速学习，同时具备良好的逻辑思维与问题拆解能力，能够阅读英文技术文档并跟进前沿论文。

>> 在联想官网查看完整职位详情。

简历及面试建议：

在撰写简历时，你需要突出与AI Agent开发相关的项目经验，特别是那些涉及多模态意图识别、大模型微调和工具调用的案例。详细描述你在这些项目中的具体贡献，比如你如何设计动态澄清策略或优化长短期记忆模块。如果你有使用LangChain、AutoGPT等框架的经验，务必明确列出并说明应用场景。对于编程能力部分，除了强调Python和PyTorch/TensorFlow的熟练度，还可以提及JAVA编码能力，尤其是与API集成相关的经验。算法基础方面，展示你对RNN/Transformer等模型的理解，以及在实际项目中的应用效果。如果有NLP/CV项目经验，如文本生成或意图识别，要详细说明技术细节和成果。最后，别忘了强调你的快速学习能力和对AI技术的热情，这些软技能在AI领域尤为重要。

面试时，面试官很可能会深入考察你对AI Agent架构的理解，尤其是任务规划、记忆管理和工具调用的具体实现方式。准备一些实际案例来说明你如何解决这些问题，比如如何设计一个高效的动态澄清策略或优化长短期记忆模块。对于技术细节，可能会问到多模态意图识别模型的构建过程、大模型微调的具体方法（如LoRA、Prompt Tuning）以及模型轻量化部署的经验。熟悉LangChain、RAG等框架的原理和应用场景，并准备回答相关问题。此外，面试官可能会测试你的问题拆解能力和逻辑思维，所以练习如何清晰、有条理地解释复杂技术问题。最后，展示你对AI技术的热情和持续学习的态度，比如你如何跟进前沿论文或尝试新技术。