蔚来
校招提前批-后端AI工程师
武汉 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 2027 届本科及以上学历，计算机、软件工程、电子信息等相关专业。
- 计算机基础功底扎实，对数据结构、算法、操作系统、网络协议有深刻理解。
- 熟练使用 Java 语言，熟悉 Spring Boot、MySQL、Redis 等核心技术栈，对底层实现原理有一定探究欲。
- AI 赋能思维：熟练掌握 AI 编程工具（如 Cursor/GitHub Copilot/TRAE 等），并能展示其在实际项目中的提效案例。
- 学习与创新能力：对 LLM 生态（LangChain, LangChain, Agentic Workflow，Spring AI，AgentScope）有浓厚兴趣，有过简单的 RAG 或 Agent 实验经验者优先。
- 良好的沟通协作能力与工程素养，追求卓越，对能源数智化转型事业充满热情。
- 工作地可选：上海、武汉。
- 加分项：
- 拥有高质量开源项目贡献经验或知名黑客马拉松获奖经历。
- ACM/ICPC/蓝桥杯等编程竞赛省级及以上奖项。
- 具备分布式中间件（Kafka, RocketMQ, Elasticsearch）的实现原理了解。
- 拥有在能源、物流、会员营销等相关领域的实习或研究经验。
岗位描述
负责能源云产品核心业务逻辑的Java后端开发与维护。
深度参与 AI 驱动的研发流程，利用 Cursor/Copilot/TRAE 等 AI 辅助编程工具提升开发效能、优化单元测试与重构代码。
在导师指导下，参与 AI Agent 在各业务场景的探索与系统落地。
参与微服务架构优化，学习并实践高并发、高可用系统的治理方案，保障线上服务的稳定性。
撰写高质量的技术文档，参与团队技术分享，共同构建 AI 时代的工程范式。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。