顺丰速运
大模型算法工程师（销服）
大模型算法工程师（销服）
发布于 大约 14 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
本科
研究与开发 (研发)
NLP
RAG
SFT
大语言模型
Prompt Engineering
GPT
LoRA
Spark SQL
Qwen
AI 估算 · 25k–45k
大模型方向热门，顺丰上市企业，3-5年经验深圳算法岗，薪资中等偏上。
职位详情
关于这个职位
该职位负责顺丰销售及大件业务场景下的大模型与智能体核心能力建设，包括意图识别、多轮对话、知识问答等
你将参与智能体推理链路设计、工程化落地及数据驱动优化，推动大模型在复杂业务中的实际应用
最低要求
计算机、人工智能、数学等相关专业硕士及以上学历，3年及以上算法或大模型工作经验
熟悉主流大语言模型（如GPT、Qwen、LLaMA等），具备Prompt Engineering、模型微调（SFT/LoRA）或推理优化经验
对意图识别、文本理解、信息抽取、多轮对话、任务规划等NLP方向有扎实基础
理解并具备基于大模型的智能体设计与实现经验，熟悉多智能体协作、推理链路、工具调用及RAG架构
熟练使用Python，具备算法工程化与线上服务化能力
熟悉Hive/Spark SQL等数据处理工具
工作职责
大模型与智能体核心能力建设：围绕销售及大件业务场景，负责大语言模型在意图识别、规划理解、多轮对话、用户画像与偏好洞察、话题与线索分析、知识问答及chatBI等核心能力上的应用设计、微调与持续优化，支撑线索智能体、销售助手智能体及大件智能体等场景落地
智能体推理链路与多智能体协同设计：参与线索子智能体、销售助手子智能体、大件智能体与一级、三级销售智能体的大模型协同架构设计，构建基于大模型的多轮推理、任务分解与业务决策链路
智能体工程化与能力复用建设：设计并持续优化Prompt、RAG、工具调用及Agent协作机制，推动大模型、推荐及相关决策能力的工程化落地，保障稳定性与可扩展性
业务决策模型与数据驱动优化：结合销售线索质量、智能报价与折扣策略等业务需求，支持折扣方案模型的优化与场景拓展，通过数据挖掘与分析驱动迭代优化
优先资格
有销售、营销、客服或CRM等业务场景下的大模型或智能体应用经验者优先
具备较强的业务抽象与跨团队协作能力
AI 洞察
优缺点分析
优点
- 大模型赛道热门，技能积累价值高，顺丰业务场景丰富，落地空间大
- 上市企业，平台稳定，薪资福利有保障
- 业务场景复杂，需深入理解销售流程，对跨团队协作能力要求高
- 技术迭代快，需持续学习大模型最新进展和工具
- 智能体工程化落地难度大，稳定性与效果平衡需精细优化
- 适合对大模型应用有热情、具备NLP和工程化经验、愿意在业务驱动下深入技术实践的算法工程师
缺点 / 挑战
- 涉及多智能体协同、RAG等前沿技术，技术挑战与成长性兼具
角色解读
- 从算法工程师向大模型专家/架构师发展，深入智能体设计与系统优化
- 可向技术管理方向转型，带领团队推进复杂业务场景落地
- 横向扩展至销售、营销等业务领域，成为懂业务的AI专家
- 围绕销售与大件业务，设计并微调大语言模型，实现意图识别、多轮对话、知识问答等核心能力
- 参与多智能体协同架构设计，构建推理链路与任务分解逻辑
- 推动大模型能力的工程化落地，优化Prompt、RAG及工具调用机制
- 结合业务数据，持续评估与优化模型效果，驱动业务价值提升
- 精通主流大模型（GPT、Qwen、LLaMA等）原理与应用，具备Prompt Engineering及微调经验
- 扎实的NLP基础，熟悉意图识别、文本理解、多轮对话等任务
- 具备智能体设计与RAG架构经验，熟悉多智能体协作机制
- 熟练掌握Python及数据工具（Hive/Spark SQL），有算法工程化能力
申请策略
- 关注顺丰技术博客或公开演讲，了解其大模型布局，面试时展现业务理解
- 准备一个完整的端到端大模型落地方案，从问题定义到效果评估
- 突出大模型微调、Prompt Engineering、RAG或Agent相关的项目经验
- 强调NLP核心能力（意图识别、多轮对话等）的落地案例
- 展示工程化能力：Python、大数据工具、线上服务化经验
- 如有销售/客服场景应用经验，务必重点描述
- 补充多智能体协同设计相关知识，了解主流Agent框架（LangChain, AutoGPT等）
- 强化模型推理优化经验（如vLLM、量化、蒸馏）
面试指南
- 对于项目介绍类问题，使用STAR法则：背景、任务、行动、结果，突出技术难点和量化收益
- 对于技术方案设计类问题，先明确核心需求，再分模块阐述（如检索、推理、协作），最后总结优化方向
- 对于评估类问题，结合业务指标（如线索转化率）和技术指标（如准确率、召回率）综合回答
- 请介绍一个你参与的大模型落地项目，包括技术选型、挑战和效果
- 如何设计一个多智能体协同系统？请举例说明任务分解与推理链路
- 在RAG中，如何解决检索质量不高或大模型幻觉问题？
- 你如何评估智能体在销售场景中的效果？有哪些关键指标？
- 请解释SFT和LoRA的适用场景及优缺点
匹配度报告
65
综合匹配度
顺丰大模型算法岗，前沿技术栈，薪资面议，现场办公，发展性强但WLB一般。
适合人群
适合追求技术前沿、希望在大模型领域快速积累经验的求职者，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70
成长发展90
工作生活40
使命价值60
薪资福利匹配
70中等
薪资面议，顺丰上市企业提供稳定薪酬和福利，但未见具体福利描述，薪资竞争力中等偏上。
薪资信号面议 (25K-45K/月)
成长发展匹配
90较高
该职位聚焦大模型前沿技术，涉及Agent、RAG等新兴方向，技能成长空间大，但JD未明确提及晋升路径。
技术前沿前沿/新兴技术
技术栈GPT、Qwen、LLaMA、SFT、LoRA、RAG、Agent、Prompt Engineering
业务类型profit_center
工作生活匹配
40较低
仅现场办公，深圳办公，未提及弹性或远程，可能加班较高（大模型方向高强度），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
60中等
物流行业稳定成熟，但大模型赋能销售有一定创新性，社会影响力中性。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs