德勤
Analyst / Senior Consultant (AI) - ibond - Shanghai(315833)内部服务部门
Analyst / Senior Consultant (AI) - ibond - Shanghai(315833)内部服务部门
发布于 大约 2 个月前普通员工/个人贡献者
上海市
初级经验
全职员工
仅现场办公
学历未注明
咨询
LLM
知识图谱
LlamaIndex
Neo4j
AI Agent
Cypher
Graph Rag
AI 估算 · 18k–28k
德勤咨询技术岗，1-3年经验，AI Agent方向热门，上海薪资较高，综合考虑市场水准。
职位详情
关于这个职位
加入德勤风驭团队，参与AI Agent核心研发，负责基于Neo4j的知识图谱与图检索系统设计开发，将大模型与图数据库结合，为金融机构提供风险管理数字化解决方案
适合1-3年经验、对AI Agent和图技术感兴趣的技术人才
最低要求
了解AI Agent的基本概念（如ReAct、工具调用等）
有使用过LangChain、LlamaIndex等框架中的Neo4j功能模块者优先
能够将业务问题抽象为图模型，善于利用“关系”来分析和解决问题
具备良好的逻辑推理能力和学习能力
工作职责
设计与开发：
负责设计与实现基于Neo4j的Agent检索系统
将Agent交互产生的信息（如用户偏好、会话历史、决策链条）结构化地存储到图数据库中
利用图结构设计Agent的“反思”机制，帮助Agent从历史经验中学习
图数据库与Agent集成：
使用Neo4j作为Agent的核心知识源和推理引擎，处理需要多跳推理的复杂查询
编写高效的Cypher查询语句，从复杂的关联数据中为Agent实时提取路径和模式
构建“图增强检索”（Graph-enhanced RAG）流程，将向量检索与图关系检索相结合，大幅提升信息检索的准确性和可解释性
系统优化：
设计和优化Neo4j的数据模型（节点、关系、属性），以最佳方式支持Agent的推理需求
保证图数据库在高并发访问下的性能和稳定性
优先资格
有将Neo4j与大型语言模型（LLM）结合的项目经验
有构建知识图谱或基于图谱的推荐系统、风控系统经验
AI 洞察
优缺点分析
优点
- 前沿技术栈：AI Agent + 知识图谱 + 大模型，处于行业创新前沿，技能积累价值高
- 顶级平台：德勤作为跨国咨询巨头，项目资源丰富，接触金融行业头部客户
- 职业发展：内部晋升通道清晰，有机会参与跨区域项目，拓展视野
- 团队氛围：研发团队小而精，个人贡献能显著影响产品方向
- 快速迭代：AI领域发展迅速，需要持续学习跟进最新技术
- 适合1-3年经验、对AI Agent和图数据库充满热情、喜欢钻研前沿技术、能适应快节奏的技术型人才
缺点 / 挑战
- 技术门槛较高：需要同时掌握图数据库、大模型、Agent框架等多领域知识
- 业务复杂：金融风控场景对系统准确性和可解释性要求极高，压力较大
角色解读
- 从AI Agent开发工程师起步，逐步成长为知识图谱架构师或AI解决方案专家
- 可向技术管理方向发展，带领团队构建企业级AI Agent平台
- 深耕金融风控领域，成为兼具技术和业务洞察的复合型人才
- 设计并实现基于Neo4j的图数据库检索系统，为AI Agent提供多跳推理能力
- 将用户交互历史、偏好等结构化存储到图数据库中，并设计Agent的反思机制
- 构建向量检索与图关系检索结合的Graph-enhanced RAG流程，提升信息检索准确性和可解释性
- 优化Neo4j数据模型和查询性能，确保高并发下的稳定性
- 扎实的数据库基础，熟悉Neo4j图数据库及Cypher查询语言
- 了解AI Agent基本概念（如ReAct、工具调用），有LangChain或LlamaIndex使用经验
- 能够将业务问题抽象为图模型，善于利用关系分析问题
- 具备逻辑推理能力和学习能力，有LLM+图数据库结合经验更佳
申请策略
- 德勤面试注重逻辑思维和问题抽象能力，准备时多练习将复杂问题转化为图模型
- 关注德勤风驭的产品方向，了解其金融风控场景，面试中展现业务理解
- 突出图数据库项目经验，特别是Neo4j的数据建模和Cypher查询优化案例
- 强调AI Agent相关实践，如使用LangChain/LlamaIndex构建过Agent或RAG系统
- 展示将业务问题抽象为图模型的思维过程，用具体例子说明
- 如有LLM+知识图谱结合项目，务必详细描述技术细节和成果
- 快速学习Neo4j高级特性和Cypher优化技巧，可以考取Neo4j认证
- 动手实现一个简单的Graph-RAG demo，熟悉向量检索与图检索的结合
面试指南
- 对于设计类问题，先明确实体和关系，再考虑推理路径和查询优化
- 对于技术原理问题，从输入输出角度解释，突出自己对各组件交互的理解
- 对于优化类问题，先分析瓶颈（如查询复杂度、索引使用），再提出具体改进方案
- 请描述如何设计一个知识图谱来支持AI Agent的多跳推理？
- 你在项目中使用过Neo4j的哪些特性？如何优化复杂Cypher查询？
- LangChain中的Neo4j Graph Agent是如何工作的？请解释其原理
- 如何将向量检索与图检索结合？请设计一个Graph-RAG流程
- 给定一个业务场景（如客户风险分析），你会如何抽象为图模型？
匹配度报告
71
综合匹配度
大厂咨询技术岗，前沿AI Agent+知识图谱，发展空间大，薪资市场水准，现场办公。
适合人群
最适合追求技术成长、渴望接触前沿AI Agent和图技术、能接受一定工作强度的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展90
工作生活50
使命价值70
薪资福利匹配
75中等
薪资水平处于上海市场中上，德勤平台提供稳定福利，但JD未明确薪资，需面议。
薪资信号面议 (18K-28K/月)
成长发展匹配
90较高
该职位技术前沿，涉及AI Agent、知识图谱、大模型等热门方向，成长空间大。
技术前沿前沿/新兴技术
技术栈AI Agent、Neo4j、知识图谱、LangChain、LlamaIndex、Graph RAG、LLM
业务类型profit_center
工作生活匹配
50较低
未提及弹性工作或远程，德勤咨询传统上现场办公，上海核心地段，但可能有一定强度。
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
70中等
金融风控数字化具有社会价值，但JD未直接强调使命感，创新程度较高。
行业发展高速增长赛道
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