中国平安
架构师（AI 方向）
架构师（AI 方向）
发布于 大约 17 小时前普通员工/个人贡献者
深圳市
高级经验
全职员工
仅现场办公
本科
微服务架构
NLP
大模型
AI智能体
AI 估算 · 40k–70k
AI架构师岗位，大公司+前沿技术+深圳，薪资竞争力强，月薪40-70k合理。
职位详情
关于这个职位
这是一个在平安集团负责AI智能体开发的高级架构师职位，主要目标是利用AI技术（如大模型、Agent框架）自动化IT运维核心流程（事件、变更、应急），提升效率并达成90%的AI覆盖率
你将参与全集团的AI能力共建，需要扎实的工程架构能力和AI工程化落地经验，适合有5年以上AI工程经验、熟悉大模型部署和微服务的资深技术人才
最低要求
本科及以上学历，5年及以上AI工程或架构经验，具备扎实的工程架构能力和算法应用，金融科技、大型科技公司AI工程化落地经验
精通Java/Python/Golang等至少一种编程语言，熟悉微服务架构、分布式系统、容器化部署（Docker、K8s），具备高并发、高可用系统架构设计与落地经验
熟悉机器、深度学习、NLP等基础算法原理，有模型部署、推理优化、算法工程化落地经验，了解全球主流大模型（GPT-4o、Claude Gemini、Llama 3），熟练掌握国内主流大模型（阿里通义千问Qwen3.5-Plus/Qwen3/Qwen-Coder、腾讯混元大模型、百度文心一言、字节豆包大模型系列）的部署与调优流程，熟悉阿里云百炼、百度智能云千帆、火山引擎等操作
熟悉agentic AI框架（LangChain、AutoGPT等）、AI coding工具的使用与集成，具备AI工具链搭建、skill编写经验，指导团队落地AI工程化
具备强技术规划、问题解决和跨团队协作能力，认同AI工程化转型理念，推动全员AI技能提升
工作职责
针对运维核心流程（事件、变更、应急等），开发并部署AI智能体，实现自动化处置与辅助决策，直接支撑“提效率”目标
参与全集团IT运维核心流程的AI能力共建，确保新岗位人员能够输出标准化的解决方案，助力获得项目满意与行业奖项
利用新人才的专业能力，快速推进核心运维流程的AI化改造，确保达成90%的AI覆盖率指标
AI 洞察
优缺点分析
- 大平台（中国平安）提供稳定的职业环境和丰富的项目资源
- 前沿技术栈（大模型、Agent框架），紧跟AI发展浪潮，提升个人技术竞争力
- 高薪资和福利（推测含年终奖、股票等），回报丰厚
- 工作强度可能较大，需要快速推进AI覆盖率指标，有明确的KPI压力
- 技术迭代快，需要持续学习最新的大模型和AI工具，保持技术领先
- 跨团队协作多，沟通和推动能力要求高
- 适合有5年以上AI工程化经验、技术扎实且热衷前沿技术、愿意在大型企业稳定发展的资深工程师
角色解读
- 技术路线：成长为AI架构专家或首席架构师，主导更大规模的AI系统设计
- 管理路线：可晋升为AI团队负责人或技术总监，带领团队进行AI工程化转型
- 行业拓展：积累金融科技AI经验后，可跨行业到其他大型企业或独角兽公司担任技术高管
- 设计和开发AI智能体，用于自动化运维事件、变更和应急处理流程
- 与团队共同构建AI能力，确保解决方案的标准化和可复制性
- 推动AI工具链的搭建和Agent框架（如LangChain）的集成应用
- 协作推进全集团IT运维流程的AI化改造，达成90%覆盖率目标
- 精通Java/Python/Golang及微服务架构、分布式系统、容器化技术
- 熟练掌握大模型（如Qwen、GPT-4o）的部署、调优和推理优化
- 熟悉Agentic AI框架（LangChain、AutoGPT）和AI coding工具
- 具备算法工程化落地经验和跨团队协作能力
申请策略
- 了解平安的AI战略和运维业务场景，面试时展示对AI驱动效率提升的理解
- 准备1-2个具体的AI智能体项目案例，包括技术选型、挑战和量化收益
- 突出AI工程化落地项目经验，特别是大模型部署、Agent框架应用案例
- 强调微服务架构、高并发系统设计和容器化技术（Docker/K8s）的经验
- 展示金融科技或大型科技公司背景，以及算法工程化成果
- 补充LangChain、AutoGPT等Agent框架的实际项目经验
- 学习国内主流大模型（通义千问、混元、文心一言等）的部署和调优
面试指南
- STAR法则：背景（Situation）、任务（Task）、行动（Action）、结果（Result），强调技术难点和量化成果
- 对比分析法：在技术选型时，从性能、成本、可维护性等角度对比多种方案，并做决策
- 请介绍一个你主导的AI工程化项目，如何实现从模型训练到部署上线的全流程？
- 你如何评估和选择大模型？请举例说明你使用过哪些国内大模型，并比较它们的特点
- 谈谈你使用LangChain或类似框架的经验，如何设计一个AI智能体来完成特定任务？
- 在微服务架构中，如何保证AI服务的高并发和高可用？
- 如何衡量AI在运维流程中的效果？你有哪些指标设计经验？
- 复习主流大模型的部署细节和推理优化技术，如vLLM、TensorRT等
匹配度报告
72
综合匹配度
大厂AI架构岗，技能要求前沿，薪资高但加班可能多。
适合人群
最看重技术成长和前沿技术的求职者，能接受高强度工作和发展不确定性。
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70
薪资福利匹配
80较高
薪资未明确但大厂AI岗通常偏高，福利可能齐全，但稳定性高。
薪资信号未披露 (40K-70K/月)
成长发展匹配
90较高
技术栈前沿（大模型、Agent框架），有明确技术成长和行业奖项激励，发展空间大。
技术前沿前沿/新兴技术
技术栈Python、Java、Golang、Docker、Kubernetes、LangChain、GPT-4o、Qwen、大模型
成长机会行业奖项
业务类型cost_center
工作生活匹配
50较低
仅现场办公，未提及弹性工作制，可能工作强度较大，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
70中等
金融科技行业稳定发展，AI赋能运维有一定社会价值，但并非直接改变世界。
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