中国电信
AI应用工程师
AI应用工程师
发布于 大约 17 小时前普通员工/个人贡献者
南京市
初级经验
全职员工
仅现场办公
学历未注明
PyTorch
RAG
vLLM
HuggingFace
多智能体
大模型微调
Ernie
AI 估算 · 15k–25k
AI方向热门，大厂平台好，但初阶岗位薪资中等偏上。
职位详情
关于这个职位
该职位主要负责大模型在电信场景的应用落地，包括协助搭建训练框架、进行模型微调、多智能体适配和推理优化
你将参与前沿AI技术的工程实践，适合对LLM、Agent等技术有热情且希望积累实际落地经验的求职者
最低要求
熟悉 Python，掌握 PyTorch/HuggingFace 框架
工作职责
协助搭建大模型训练框架，参与模型微调数据处理与实验复盘
辅助多智能体框架在电信场景的适配
跟进大模型推理优化（如 vLLM 部署）
整理大模型应用落地文档
优先资格
有大模型微调（如 LLaMA/ERNIE）或多智能体框架设计项目经历优先
了解 RAG/Agent 技术者优先
AI 洞察
优缺点分析
优点
- 身处中国电信这样的大型国企，平台稳定，资源丰富
- 直接接触大模型、多智能体等前沿技术，积累稀缺工程经验
- 公司规模大，可转岗或晋升机会较多
- 南京生活成本相对较低，工作生活平衡较好
- 初阶岗位，可能承担较多辅助性工作，自主性有限
- 国企流程可能繁琐，技术迭代速度相对较慢
- AI领域竞争激烈，需要持续学习保持竞争力
- 适合有一定AI基础（如熟悉PyTorch）、对大模型应用充满热情、希望在稳定大平台积累实战经验的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向大模型算法专家或AI系统架构师方向发展
- 积累电信行业AI应用经验，未来可转型为技术负责人或项目经理
- 持续学习前沿技术，有机会参与核心模型研发
- 协助搭建大模型训练框架，参与数据清洗和微调实验
- 辅助多智能体框架在电信业务场景中的适配与优化
- 跟进大模型推理性能优化，如使用vLLM部署
- 整理项目文档，推动技术落地
- 精通Python，熟练使用PyTorch、HuggingFace等深度学习框架
- 了解大模型微调（LoRA、Prompt-tuning等）和多智能体设计
- 熟悉RAG、Agent等前沿技术概念
- 具备良好的文档撰写和沟通协作能力
申请策略
- 表现对AI工程化的兴趣，强调落地能力
- 了解中国电信在AI方面的布局，如与中国电信研究院合作的项目
- 突出Python、PyTorch、HuggingFace的项目经验
- 如果有大模型微调或多智能体项目，重点展示
- 强调对RAG、Agent的了解或实践
- 展示文档撰写和团队协作能力
- 系统学习LLM微调技术（如LoRA、QLoRA）
- 动手实践vLLM等推理框架
面试指南
- 对于技术问题，先阐述概念，再结合实际经验或改进方案
- 项目经验要按STAR法则描述（情境、任务、行动、结果）
- 遇到不会的问题，诚实说明但展示学习思路
- 请简述大模型微调的流程和常用方法
- 如何优化大模型推理性能？你对vLLM了解多少？
- 什么是多智能体框架？在电信场景中如何应用？
- 介绍一个你参与过的AI项目
- 你对RAG技术有什么理解？
匹配度报告
78
综合匹配度
大厂平台，前沿AI技术栈，成长性好，但WLB未知。
适合人群
适合追求技术成长、关注前沿AI的求职者，对WLB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80
成长发展85
工作生活70
使命价值75
薪资福利匹配
80较高
作为头部国企，薪资福利有保障，虽未提及具体数字，但综合行业地位，补偿性动机满足较好。
薪资信号未披露（AI估算：15K-25K/月）
成长发展匹配
85较高
前沿技术栈，接触大模型、多智能体等，成长空间大，但职位偏辅助，晋升路径未明确提及。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、HuggingFace、LLM、多智能体、RAG、Agent、vLLM
业务类型ambiguous
工作生活匹配
70中等
工作地点现场办公，未提及弹性或远程，WLB信号不明，但国企通常较为稳定。
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行业高速增长，但电信场景社会影响力一般，创新层面积极采用新技术。
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