中国平安
AI应用研发工程师
AI应用研发工程师
发布于 大约 2 个月前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
本科
软件工程
RAG
LLMOps
多模态
大模型
AI 估算 · 25k–45k
AI领域前沿岗位，技能要求高且稀缺，北京市场薪资竞争力强，大厂通常给到上限。
职位详情
关于这个职位
该职位负责AI产品从概念到落地的全流程研发，包括多模态RAG系统、大模型智能体等前沿技术
你将与业务、算法团队紧密协作，攻克关键技术难点，构建高性能AI应用架构
适合具有5年以上开发经验、2年以上AI应用经验的技术专家，追求技术深度和广度
最低要求
学历背景：计算机科学、人工智能、数学、电子工程等相关专业本科及以上学历
工作经验：5年软件开发工作经验，2年以上AI应用工程开发经验
专业技能：熟悉向量检索、稀疏检索、LangChain、LlamaIndex等应用技术
扎实的编程基础，精通Java、Python
大型语言模型（LLMs）Agent开发能力
后端API的设计与开发（如使用Django、Flask、FastAPI等）
数据处理和分析能力
熟悉LLMOps流程，具备大模型服务部署、监控以及调优实战能力
综合素质：有良好的沟通能力，跨团队协作能力，具备出色的计划和执行力，强烈的责任感
学习能力强，有良好的创新能力和逻辑思维能力，善于主动思考，对技术有强烈激情
工作职责
AI应用研发：构建文本、图像、视频、语音等多模态RAG系统及多模态大模型应用技术架构，打造极致产品体验，攻克关键技术难点，设计合理创新的技术方案，并推动落地
搭建基于大模型的智能体核心系统，实现任务规划、工具调用、多智能体协作等模块
深入理解AI应用算法，与业务、算法团队配合，保障算法工程服务落地的质量和效率，包括模型推理性能优化、大规模向量检索能力，构建高性能、高可用AI应用工程架构
系统架构与集成：参与AI产品的架构设计，提供AI系统集成方案，并负责不同模块之间的协同工作
与数据工程团队密切合作，确保数据流动顺畅，构建稳定、高效的数据管道
数据处理与分析：进行大规模数据的清洗、特征工程和数据分析，支持AI模型的训练
探索数据中的模式并提出创新的技术解决方案
持续学习与技术创新：关注AI和全栈开发领域的最新技术趋势，持续优化技术栈
提供技术指导，帮助团队提升技术能力和协作效率
优先资格
硕士以上优先
具备全栈开发经验者优先
熟悉云计算平台和容器化技术（如AWS、GCP、Docker等）优先
AI 洞察
优缺点分析
优点
- 站在AI技术最前沿，接触多模态大模型、智能体等热门方向，技能积累价值高
- 中国平安作为行业巨头，平台稳定，资源丰富，项目规模大，有利于个人品牌建设
- 与顶尖算法和业务团队合作，技术氛围浓厚，成长迅速
- 技术难度高，要求同时掌握算法工程、系统架构和数据处理，学习曲线陡峭
- 工作强度可能较大，需要快速迭代和解决复杂问题，适合抗压能力强的求职者
- 竞争激烈，内部晋升需持续产出高质量成果，保持技术领先
缺点 / 挑战
- 适合有5年以上开发经验、热爱AI技术、追求深度专研和创新、愿意在大型企业平台中挑战自我、具备较强自驱力的技术专家
角色解读
- 技术专家路线：从AI应用研发工程师晋升为高级/资深AI工程师，主导核心算法和架构
- 管理路线：积累经验后可转向技术负责人或AI团队经理，带领团队攻克复杂问题
- 跨领域发展：掌握全栈技能后，可转型为架构师或技术顾问，拓展至更广泛的AI领域
- 负责多模态RAG系统和智能体核心系统的设计与开发，推动AI产品从概念到落地
- 参与AI系统架构设计，优化模型推理性能和大规模向量检索，保障工程服务的高效高可用
- 与业务、算法及数据团队协作，处理大规模数据，支持模型训练和产品迭代
- 精通Python和Java，具备扎实的编程和系统设计能力
- 深入理解大模型、RAG、向量检索、LangChain等前沿技术
- 熟悉后端API开发框架（如FastAPI）和LLMOps流程，具备模型部署与优化经验
申请策略
- 提前了解平安的AI业务方向（如金融科技、医疗科技），在申请中体现行业理解
- 强调团队协作和沟通能力，因为职位需要跨部门合作
- 突出AI应用项目经历，尤其是多模态RAG、智能体或大模型落地案例，量化成果
- 强调Python和Java的编程能力，以及LangChain、FastAPI等具体框架的使用经验
- 展示数据处理和LLMOps相关技能，如特征工程、模型部署与优化经验
- 若缺乏大模型应用经验，可先学习LangChain和LlamaIndex，动手搭建简单RAG系统
- 补充云计算和容器化技术，如Docker、Kubernetes，可通过在线课程快速入门
面试指南
- 使用STAR原则（情境-任务-行动-结果）描述项目经验，突出技术深度和量化成效
- 对于系统设计问题，先明确需求和数据规模，再分模块阐述架构，最后讨论扩展性
- 请描述你过去参与的一个大模型应用项目，包括技术选型、遇到的挑战和解决方案
- 如何设计一个高可用的多模态RAG系统？请从架构角度说明
- 解释LangChain和向量检索的原理，以及你在实际项目中如何应用它们
- 如何优化大模型推理性能？请列出至少三种方法
- 你如何处理大规模数据清洗和特征工程？举例说明
- 复习RAG、向量检索、LangChain、智能体等核心知识，准备1-2个完整的项目案例
匹配度报告
74
综合匹配度
大厂AI前沿岗位，技术成长快，薪资高，工作地点北京，生活方式需要一定的付出。
适合人群
最适合追求技术成长和前沿AI探索的求职者，对工作生活平衡要求不高者可考虑。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展90
工作生活50
使命价值75
薪资福利匹配
80较高
中国平安为上市巨头，薪资福利有竞争力，但JD未明确披露具体待遇，综合考虑给80分。
薪资信号未披露（AI估算：25K-45K/月）
成长发展匹配
90较高
职位聚焦大模型、多模态、智能体等前沿技术，技能成长空间极大，给90分。
技术前沿前沿/新兴技术
技术栈大模型、多模态、RAG、LangChain、Agent、LLMOps、向量检索、Python、Java
业务类型ambiguous
工作生活匹配
50较低
北京现场办公，未提及WLB措施，大厂通常有一定加班文化，但JD无明确暗示，给50分。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
75中等
AI行业处于高速增长期，但直接社会影响力一般，职位创新程度高，给75分。
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