中国平安
后端AI Agent 工程师
后端AI Agent 工程师
发布于 1 天前普通员工/个人贡献者
深圳市
中级经验
全职员工
仅现场办公
本科
RAG
LLM
向量数据库
消息队列
AI 估算 · 20k–40k
AI Agent岗位热门，平安大厂背景，中级经验薪资竞争力强，但面议有一定浮动空间。
职位详情
关于这个职位
作为后端AI Agent工程师，你将负责基于大语言模型的智能体系统研发，包括Agent框架搭建、RAG链路优化和高并发后端服务开发
需要熟悉LangChain等框架，并与算法、产品团队协作推动AI在医疗领域的落地
这是一个技术深度与业务广度兼备的岗位，适合对AI Agent有热情且具备扎实后端功底的开发者
最低要求
年以上Python开发经验 + 1年AI Agent开发经验，本科及以上学历（计算机、软件工程等相关专业）
精通Python，熟悉Flask、FastAPI或Django等至少一种Web框架
熟练掌握MySQL（索引优化、SQL调优、Schema设计）、Redis（数据结构、分布式锁、缓存设计）、消息队列（RabbitMQ/RocketMQ/Kafka等）及Elasticsearch（文本检索、分布式搜索）
熟悉LLM生态，有LangChain、LlamaIndex、AutoGen、CrewAI等至少一种Agent框架的实际开发或研究经验
熟悉RAG完整链路，了解向量数据库（如Milvus、Pinecone、Chroma等）及混合检索优化
工作职责
Agent 系统研发：负责基于大语言模型（LLM）的 AI Agent 系统的设计、开发与优化，包括但不限于 Prompt 工程、Memory 机制、Tool Calling 及多 Agent 协同（Multi-Agent）系统的搭建
后端架构开发：负责 AI 业务配套的高并发、高可用后端服务设计，编写高质量、可扩展的 Python 代码
数据与中间件维护：设计合理的 MySQL 数据库表结构，利用 Redis 进行高效缓存与状态管理，利用 MQ 解决异步及解耦问题，利用 Elasticsearch（ES）优化文本检索与混合搜索
系统性能优化：解决 AI 服务与传统后端交互中的性能瓶颈（如高并发、长连接、流式响应 TTS/LLM 等），保障系统稳定性
跨团队协同：与产品经理、前端开发以及算法团队紧密合作，推动 AI 能力在实际业务场景（如医疗垂直领域）的快速落地
优先资格
行业背景：医疗、健康、医药信息化或医疗AI项目经验
算法与训练：熟悉主流开源模型（如LLaMA、Qwen等）的微调（SFT、LoRA、Prompt Tuning），或有传统机器学习/深度学习训练经验
工程经验：有大流量高并发分布式系统设计或大型AI生产环境落地经验
AI 洞察
优缺点分析
优点
- 平安作为金融科技巨头，资源丰富，AI落地场景广阔，尤其在医疗领域有真实数据支撑
- 技术栈前沿，涉及LLM、Agent、RAG等热门方向，技能积累价值高
- 公司规模大，流程规范，职业稳定性好，内部培训和晋升体系相对完善
- AI Agent技术仍在快速演进，需要持续学习新框架和最佳实践
缺点 / 挑战
- 金融级系统对稳定性和安全要求极高，开发和调试压力较大
- 跨部门协作频繁，沟通成本较高，需同时理解业务和技术需求
- 适合有3年以上Python后端经验、对AI Agent有强烈兴趣、愿意在医疗等垂直领域深耕、且能承受一定技术探索压力的工程师
角色解读
- 技术深度方向：从Agent工程师成长为AI架构师，深入大模型训练与推理优化
- 业务广度方向：结合医疗行业知识，成长为AI产品解决方案专家或技术负责人
- 管理方向：带领团队负责AI基础设施建设，晋升为技术经理或总监
- 设计和开发基于大语言模型的AI Agent系统，涉及Prompt工程、Memory机制、Tool Calling及多Agent协同
- 构建高并发、高可用的后端服务，使用Python及相关框架如FastAPI，并优化AI服务与传统后端的交互性能
- 维护和优化数据库及中间件，包括MySQL、Redis、消息队列和Elasticsearch，支撑RAG链路的混合检索
- 与产品经理、算法团队协作，将AI能力落地到医疗等垂直业务场景
- 精通Python，至少3年开发经验，熟悉Flask/FastAPI/Django等Web框架
- 深入掌握MySQL、Redis、消息队列和Elasticsearch，具备数据库设计和性能优化能力
- 熟悉LLM生态，有LangChain等Agent框架的实际开发经验，理解RAG完整链路和向量数据库
- 具备解决高并发、长连接、流式响应等性能问题的能力，熟悉分布式系统设计
申请策略
- 在求职信中表达对AI Agent的热爱和对医疗智能化趋势的理解，体现与公司方向的一致性
- 提前了解平安医疗板块（如平安好医生）的产品，面试时展示业务洞察
- 突出Agent开发项目经验，详细描述使用的框架（如LangChain）和解决的问题（如Tool Calling、Memory）
- 强调高并发后端架构设计案例，特别是性能优化的具体措施和结果
- 展示数据库和中间件的深度使用，如MySQL索引调优、Redis分布式锁、消息队列解耦等
- 如果有医疗AI或金融科技背景，务必单独列出
- 如果没有Agent实战经验，可以快速学习LangChain官方教程并动手实现一个简单Agent
- 补充RAG相关技能，了解Milvus等向量数据库的部署和调优
面试指南
- 对于Agent设计问题，先明确需求场景，然后从Prompt结构、Memory存储、Tool注册与调用三个维度分步阐述
- 性能优化问题，采用“发现问题 → 分析瓶颈 → 提出方案 → 验证效果”的流程，结合具体技术（如缓存、异步、索引）
- 系统设计问题，先画架构图（思维中），再分模块说明，重点突出高可用、扩展性和容错
- 请描述一个你使用LangChain构建Agent的经历，如何设计Prompt、Memory和Tool？
- 高并发场景下，如何优化RAG检索的响应速度？请结合Elasticsearch和向量数据库
- 如何保证AI Agent在长期运行中的状态一致性和错误恢复？
- 设计一个多Agent协同系统，考虑任务分配和冲突解决
- MySQL中如何针对大量文本检索进行优化？索引和查询策略是什么？
匹配度报告
69
综合匹配度
大厂AI Agent前沿技术岗位，薪资面议但大厂背书，WLB一般，适合追求技术成长的工程师。
适合人群
该职位最适合注重技术成长和前沿领域积累的求职者，愿意接受较高工作强度换取职业发展。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利70
成长发展85
工作生活45
使命价值75
薪资福利匹配
70中等
平安作为上市公司，薪资福利有保障，但职位薪资面议，存在不确定性；大厂通常有年终奖和五险一金，但JD未明确说明。
薪资信号面议 (20K-40K/月)
成长发展匹配
85较高
技术栈前沿，涉及LLM、Agent、RAG等热门方向，项目经验积累价值高；JD未明确提及晋升通道，但大厂通常有内部晋升机制。
技术前沿前沿/新兴技术
技术栈Python、LLM、Agent、LangChain、RAG、向量数据库、FastAPI、MySQL、Redis、Elasticsearch、消息队列
业务类型profit_center
工作生活匹配
45较低
深圳现场办公，未提及弹性工时或远程，大厂通常加班较多，WLB一般。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
75中等
医疗AI领域具有正向社会价值，平安品牌影响力大，但行业属于成熟稳定，创新节奏中等。
行业发展稳定成熟行业
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs