蔚来
校招提前批-AI平台研发工程师
上海/合肥 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 我们希望你具备
- 2027 届本科及以上学历，计算机、软件工程、人工智能等相关专业
- 熟练掌握 Python、Java、Go 中至少一种语言
- 熟悉基本数据结构、算法和代码规范
- 了解 RESTful API、数据库、缓存、后端服务开发
- 对大模型、Agent、RAG、知识图谱等方向有兴趣
- 加分项
- 使用过 LangChain、LangGraph、LlamaIndex、Dify、Coze 等 Agent/RAG 框架
- 有 FastAPI、Spring Boot、Go 后端项目经验
- 使用过 Neo4j、Milvus、Qdrant、Elasticsearch 等技术
- 熟悉 Docker、Kubernetes、Kafka、Redis 等基础设施
- 有 GitHub 开源项目、技术博客、竞赛经历或完整个人项目
岗位描述
你会做什么
你将参与 Skyworks AI 平台的核心研发工作，和团队一起构建企业级 Agent 平台、知识平台、数据语义层和能力市场。
你可能参与的项目包括：
开发 Agent 编排与执行引擎
支持 Agent 的任务拆解、工具调用、知识检索、多步骤执行、结果聚合和运行日志记录。
开发 Agent 搭建平台后端能力
为前端配置界面提供 API，支持用户创建 Agent、选择知识源、绑定工具、配置执行流程。
开发知识与语义层能力
参与 Ontology 建模、知识图谱查询、数据表语义映射等能力建设，让 Agent 能够理解企业业务对象和数据关系。
开发跨数据源查询能力
支持 Agent 查询结构化数据、知识图谱、向量库和文档知识，实现多源信息融合。
建设企业能力市场
参与 SkillHub / AgentsMarket 开发，让企业内部工具、API、Agent 能力可以被发布、搜索、复用和治理。
参与平台工程化建设
包括权限、日志、监控、任务调度、运行追踪、可观测性等企业级平台能力。
你会接触的技术
后端开发：Python / Java / Go
Web 框架：FastAPI / Django / Spring Boot
数据库：PostgreSQL / MySQL / Redis
图数据库：Neo4j / JanusGraph
向量数据库：Milvus / Qdrant / Weaviate
Agent 框架：LangChain / LangGraph / LlamaIndex
消息队列：Kafka / RabbitMQ
容器化：Docker / Kubernetes
可观测性：Prometheus / Grafana / Langfuse
不要求你全部掌握，但希望你有扎实的编程基础和快速学习能力。
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。