中国平安
AI开发工程师
AI开发工程师
发布于 大约 21 小时前普通员工/个人贡献者
深圳市
中级经验
全职员工
仅现场办公
硕士
机器学习
微服务
GO
API开发
数据库
大模型
AI Agent
Prompt
AI 估算 · 25k–45k
大厂+AI热门领域+硕士3年经验，深圳市场薪资较高，综合评估月薪在25k-45k之间。
职位详情
关于这个职位
这是一份在平安集团负责企业级AI应用开发的工作，聚焦于基于大模型构建对话、分析、Agent等实际业务系统
你将涉及Prompt工程、多智能体编排、工程化评估与日志系统等，需要同时具备后端开发和AI工程化能力
适合有3年以上经验、熟悉Python/Java/Go且对LLM应用落地感兴趣的技术人才
最低要求
硕士及以上学历，数学、计算机相关专业优先
具有3年以上相关工作经验
沟通能力/分析与解决问题的能力
熟练 Python / Java / Go 其中一项
熟悉 Web 后端开发（API / 微服务）
熟悉常见数据库（MySQL / PG / Redis）
工作职责
负责企业级AI应用开发（对话、分析、Agent等）
基于大模型构建实际业务系统，而不是Demo
设计并实现：Prompt / Agent / 多智能体编排、工具调用（API / 数据服务 / SQL网关）、记忆机制（短期 / 长期 / 会话级）
搭建AI应用工程化能力：调试、评估、日志、回放、Prompt版本管理、效果评估体系（准确性/稳定性）
对接企业内网数据（指标系统 / 数据服务 / API）
优化模型效果（不是调模型，而是调系统）
AI 洞察
优缺点分析
- 技术栈前沿，聚焦大模型工程化落地，市场需求旺盛，技能积累价值高
- 平安作为跨国巨头，拥有丰富的业务场景和海量数据，能提供真实的落地挑战和成长空间
- 团队专注实际系统而非Demo，工作成果直接产生业务影响，成就感强
- 薪资竞争力强，大厂福利完善，稳定性高
- AI应用工程化难度较大，需要同时掌握大模型、后端开发和系统架构，对综合能力要求高
- 企业内网环境复杂，对接多方系统可能面临数据兼容性和权限协调的挑战
- AI领域更新快，需要持续学习新技术，保持技术敏感度
- 适合热爱AI技术、有后端开发基础、渴望深入LLM工程化落地、喜欢解决复杂系统问题的技术型人才
角色解读
- 可向AI技术专家方向发展，深入LLM应用层工程、模型微调与推理优化，成为企业级AI架构师
- 也可以转型为AI产品经理或技术负责人，凭借对业务与技术的结合能力，主导AI产品的规划与落地
- 在平安这样的金融巨头中，还有机会横向拓展到其他AI领域（如风控AI、保险理赔AI），积累行业经验
- 负责开发基于大模型的企业级AI应用，包括对话系统、数据分析助手和智能Agent，从原型到生产落地的全流程
- 设计和实现Prompt策略、多智能体协作框架、工具调用与记忆机制，确保系统能准确理解并执行复杂任务
- 搭建工程化基础设施，涵盖调试、日志回放、效果评估和版本管理，保障AI系统的稳定性和可迭代性
- 对接企业内部数据源和微服务，通过API/SQL网关打通业务系统，实现数据驱动的AI能力
- 扎实的后端开发能力，熟练使用Python/Java/Go至少一种，并熟悉Web框架和微服务架构
- 深入理解大模型应用技术栈，包括Prompt工程、Agent模式、向量数据库、RAG等，并有实际落地经验
- 具备系统化思维，能设计评估体系并优化AI系统的整体效果（非单纯调模型），而非仅做Demo
- 熟悉数据库技术（MySQL/PG/Redis）以及API设计，能够高效对接内外部数据服务
申请策略
- 了解平安的AI战略方向（如金融科技、医疗科技），在面试中体现对业务场景的理解
- 准备一个你主导的AI项目案例，详细说明从需求到落地的过程、遇到的挑战及解决方案
- 突出大模型相关项目经验，尤其是从原型到生产部署的完整案例，强调你在系统设计中的角色
- 展示后端开发能力，如API设计、微服务架构、数据库优化等，用具体指标说明性能提升
- 如果有开源贡献或技术博客（特别是关于Prompt/Agent），附上链接，体现技术热情
- 强调沟通与解决问题能力，因为需要与多个业务方协作
- 系统学习LangChain、LlamaIndex等主流Agent框架，并动手搭建一个带记忆和工具调用的Agent demo
- 补充数据库调优和API网关知识，了解企业内部数据集成常见模式
面试指南
- 对于项目类问题，采用STAR法则：背景、任务、行动、结果，重点突出技术选型原因和工程化细节
- 对于系统设计类问题，先明确需求边界，再按照模块分层（输入处理、推理引擎、工具层、记忆层、评估层）逐步阐述
- 对于评估问题，从离线评估（准确率、召回率）和在线评估（用户反馈、业务指标）两个维度回答，并提及迭代优化流程
- 请描述一个你使用大模型构建实际业务系统的项目，从需求、架构到最终效果
- 如何设计Prompt以确保LLM输出稳定准确？如何处理模型幻觉？
- 在微服务架构中，如何高效地实现Agent的工具调用和记忆机制？
- 如何评估AI系统的效果？你用过哪些评估指标和工具？
- 面对企业内网复杂的数据接口，你如何设计统一的SQL网关或API抽象层？
匹配度报告
74
综合匹配度
大厂AI核心岗，技术前沿成长快，薪资面议但竞争力强，现场办公需接受一定工作强度。
适合人群
最适合重视技术成长和薪资回报的求职者，对工作生活平衡要求不高。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展92
工作生活50
使命价值70
薪资福利匹配
85较高
大厂平台提供具有竞争力的薪资和福利（如五险一金、年终奖），但具体薪资面议，需进一步沟通确认。
薪资信号未披露 (25K-45K/月)
成长发展匹配
92较高
职位聚焦大模型工程化前沿技术，涉及Agent、多智能体编排等新兴领域，技术成长空间巨大，且平安有内部技术社区和培训资源。
技术前沿前沿/新兴技术
技术栈大模型、Agent、Prompt、多智能体、API网关、MySQL、Redis
业务类型profit_center
工作生活匹配
50较低
深圳现场办公，未提及弹性工作或远程，可能需适应大厂办公节奏；通勤方面深圳科技园区一般配套完善但可能拥挤。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
70中等
AI赋能金融业务具有明确社会价值（提升服务效率、风险管理），但职位描述未直接提及使命感，创新程度属于积极采用新技术。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs