遠傳電信股份有限公司 AI工程師

面試過程 這次的面試是透過 Microsoft Teams 進行，整體流程分成兩個階段： 用人主管面試 開始時先自我介紹。 面試官會依照你的經歷提出問題，並且延伸出許多 follow-up questions。 我主要被問到 AI Agent 與 RAG（Retrieval-Augmented Generation）相關的內容。 如果是自己做過的，可以直接分享經驗。 沒有做過的部分，也可以描述你可能的做法與想法。 在經歷相關的問題結束後，主管會大致說明這個職位的工作內容： 以公司內部使用為主，一開始可能會做與法務相關的 AI Agent。偶爾會有對外專案。 Q3 時通常會決定下一年度的主要方向。 團隊架構大致分成兩個支線： 1.AI 應用開發 2.系統維運／舊系統更新 整個主管面試大約 1 小時。 人資面談 約半小時，主要說明公司福利與制度。 核心福利重點： 薪水：每月 18 號發放當月薪水。 獎金： 1/18 發年終（通常 2 個月）。 績效獎金（一般約 1.8 個月）。 3/18 發2/3的獎金、7/18 發剩下 1/3 的獎金。 整體而言，表現普通的話大約 15.8 個月薪資。 假別： 每年 5 天全薪病假。 1 天有薪健康照護假。 每週可申請 2 次 WFH。 心得： 整體來說，這間公司在面試時會很重視你的實際經歷與思考方式，即使沒有做過，也要展現你對問題的想像力和解決方式。主管會在小時內確認你是否能勝任該職位的需求，人資則清楚透明地說明福利與制度。整體流程清楚流暢，資訊完整。

Q：你這個 AI Agent 是怎麼做的？ A：我先回去釐清的系統架構，然後根據資料流一步一步的敘述使用的技術與細節部分。 Q：請說明 mcp？ A：MCP 是一種協議，讓 AI 模型或 Agent 能夠方便地連接外部系統、API 或資料庫。它的重點是提供一個標準化的介面，讓模型可以即插即用地存取工具，擴充原本的能力。對於開發 AI Agent 來說，MCP 可以大幅簡化整合流程，讓 Agent 更靈活地處理真實世界的任務。 Q：如何可以讓 rag 的檢索更好？ A：我認為要讓 RAG 的檢索效果更好，關鍵在於「資料品質」、「向量化方式」以及「檢索策略」。 首先，資料要先經過過濾與整理，避免過多重複或無用的內容，並且在切分文件的時候，要依照語意或段落來切分，而不是單純按照字數，這樣檢索出來的內容會更有意義。 其次，向量化的部分，可以選擇更適合領域的 embedding 模型，例如法律、醫學或特定產業的語料，這樣能讓相似度判斷更精準。 最後，在檢索策略上，可以不只依靠單一相似度排序，也能加入 rerank 模型或混合檢索（像是結合向量檢索與關鍵字檢索），來提升整體的相關性。 Q：如果在資料不變的情況下，如何可以讓 rag 的檢索更好？ A：如果在資料處理方式不變的情況下，要讓 RAG 的檢索效果更好，可以從檢索本身去優化。 例如使用更好的向量模型，讓相似度判斷更精準；或者調整檢索的參數，例如一次取回的文件數量，避免取回的結果過少或過多。 還可以在初步檢索後再加入 reranker，用更強的模型重新排序，確保最相關的內容排在前面。 此外，也能考慮混合檢索，把向量檢索和關鍵字檢索結合起來，補足單一方法的不足。最後，查詢本身也能優化，透過同義詞擴展或改寫問題，讓系統能檢索到更相關的內容。