国际商业机器公司
Data Scientist-Advanced Analytics
Data Scientist-Advanced Analytics
发布于 5 个月前普通员工/个人贡献者
广州市 / 深圳市
高级经验
全职员工
混合式弹性办公
硕士
数据分析与科学
云计算
企业架构
分布式系统
LLM
MLOps
RAG
vLLM
AI 估算 · 35k–65k
该职位要求高级AI架构与工程能力，涉及前沿的LLM和智能体技术，市场人才稀缺，且在一线城市的大型科技企业，薪资竞争力强。
职位详情
关于这个职位
这是一个专注于企业级AI智能体（Agent）解决方案的高级数据科学家职位
你将负责将业务需求转化为技术方案，设计并集成基于大语言模型（LLM）的智能体到企业架构中，并确保系统的可靠性、安全性和可扩展性
核心工作包括架构设计、模型选型、非功能性需求规划以及与跨职能团队协作，推动AI项目从概念到生产落地
最低要求
学历：学士或硕士学位
经验：5年以上软件/数据/AI领域的架构或技术领导经验，有成功交付企业级系统的记录
技能：具备企业应用/数据/技术架构及集成模式的深刻理解
扎实的软件工程基础（API设计、分布式系统、可观测性、安全设计）
熟悉云/本地部署、容器、CI/CD和运营就绪性
AI/LLM能力：具备模型选择和评估思维（质量、安全、延迟、成本、治理）
了解RAG和知识工程（检索设计、基础、权限、溯源）
理解智能体模式：规划/执行循环、记忆/上下文管理、人工监督和安全控制
非功能性及容量规划：能够设计SLA/SLO并进行性能/容量规划（包括GPU规划和成本建模）
协作：强大的沟通和利益相关者管理能力
能够协调顾问和工程师围绕一致的产品和架构计划
工作职责
业务与技术衔接：将领域咨询见解转化为智能体用例、用户旅程和可衡量的成果
协调产品、业务、算法和工程团队的利益相关者
推动决策和权衡
智能体产品与解决方案设计：设计智能体角色、技能/工具、记忆和上下文策略、编排模式以及人在回路控制
定义集成LLM推理与企业工具（API、数据库、搜索、优化求解器）的端到端工作流
企业架构集成：阐明智能体如何融入企业架构：应用架构（交互模式、集成风格、服务边界、API、事件/批处理流）、数据架构（数据源、知识/RAG设计、沿袭、治理、质量以及证据/引用策略）、技术架构（运行时组件、部署拓扑、可观测性、安全和运营模型）
产出架构工件（参考架构、ADR、接口、数据契约、安全模型）
模型与平台策略：主导模型选择（开源/闭源、本地/云端、延迟/成本/质量权衡）和评估方法
定义LLMOps/MLOps需求：提示/版本管理、评估、监控、回滚和持续改进
交付与非功能性需求：负责非功能性需求：可靠性、性能、可扩展性、隐私、合规性、可审计性和可解释性
规划计算和容量（GPU/CPU、并发性、SLA、吞吐量），并指导成本/性能优化
优先资格
有智能体框架（如LangGraph/LangChain）和模型服务栈（如vLLM/TGI）的使用经验
有受监管行业（金融、医疗、公共部门）及相关合规/安全实践的经验
接触过与AI智能体集成的优化/运筹学或领域决策引擎
AI 洞察
优缺点分析
优点
- 平台优势：在IBM这样的跨国科技巨头工作，能接触到全球领先的客户和前沿的AI项目，视野开阔
- 技术前沿性：专注于LLM和智能体这一AI领域最热门的方向，技能极具市场价值和未来潜力
- 综合能力提升：角色横跨业务、技术和架构，能极大锻炼系统思维、解决方案设计和复杂项目管理能力
- 行业深度：有机会深入金融、医疗等高端行业，理解其业务逻辑和合规要求，构建深厚的行业知识壁垒
- 技术复杂度高：需要同时精通AI、软件工程和企业架构，学习曲线陡峭，且技术迭代迅速
- 工作节奏：作为咨询项目的一部分，可能需要根据项目需求进行高频差旅或灵活办公
- 适合拥有5年以上技术架构经验，对AI充满热情，不仅技术扎实，而且具备优秀沟通协调能力和业务洞察力，希望在企业级前沿AI应用领域深耕的资深工程师或架构师
缺点 / 挑战
- 协调压力大：作为业务与技术间的桥梁，需要频繁与不同背景的团队沟通对齐，对软技能要求极高
- 责任重大：负责系统关键的非功能性需求（如安全、合规），任何设计疏漏都可能带来严重的业务风险
角色解读
- 技术专家路径：可向首席架构师、AI技术总监发展，成为公司内部或行业内的LLM与智能体技术权威
- 管理路径：凭借出色的协调和领导能力，可转向技术管理岗位，如AI产品线负责人或研发部门经理
- 行业顾问路径：积累丰富的跨行业项目经验后，可转型为专注于AI战略与落地的资深咨询顾问
- 作为技术核心，负责设计并落地企业级AI智能体（Agent）解决方案，将业务需求转化为具体的系统架构和技术实现
- 主导LLM模型选型、RAG知识库设计、智能体工作流编排，并确保其与企业现有应用、数据和基础设施无缝集成
- 负责定义和保障系统的非功能性需求，如性能、安全、合规和可扩展性，并进行容量与成本规划
- 作为桥梁，协调业务顾问、产品经理和工程师团队，确保技术方案与业务目标对齐并顺利交付
- 深厚的企业级软件/数据/AI系统架构设计能力，熟悉分布式系统和云原生技术栈
- 扎实的LLM和智能体技术实践经验，包括RAG、工具调用、编排框架（如LangChain）及相关的评估与运维（LLMOps）
- 出色的跨团队沟通与项目管理能力，能够理解复杂业务需求并协调多方利益相关者达成共识
- 在性能、安全、合规等非功能性需求方面的规划与设计能力，特别是在受监管行业的环境下
申请策略
- 深入了解IBM Consulting在混合云和AI领域的战略与核心案例，在面试中展现你对其业务方向的理解和认同
- 准备问题时，可以询问团队当前正在攻关的具体技术挑战或典型客户案例，以显示你的深入思考和加入意愿
- 重点突出成功交付的、复杂的企业级AI或软件系统项目，详细说明你在其中的架构设计角色和技术决策
- 用具体案例展示你在LLM/RAG/智能体方面的实践经验，包括使用的框架、解决的挑战和取得的业务成果
- 强调你在跨团队协作（业务、产品、工程）和项目管理方面的能力，最好有协调多方推动项目落地的实例
- 如有金融、医疗等受监管行业的项目经验，务必单独列出，并说明你对相关合规和安全要求的理解与实践
- 如果对LangChain、LangGraph等主流智能体框架不熟，建议通过官方教程和项目实践快速掌握其核心概念和用法
- 加强对企业架构方法论（如TOGAF）和非功能性需求（性能、安全、合规）的系统性学习，并能阐述其设计思路
面试指南
- 对于技术设计类问题，采用‘场景-挑战-方案-权衡-结果’的结构来回答，突出你的系统化思维和决策过程
- 对于行为协作类问题，使用‘STAR法则’（情境、任务、行动、结果）来组织答案，清晰展示你的行动和贡献
- 在回答中主动提及你考虑过的替代方案及其优缺点，这能体现你思考的全面性和深度
- 请分享一个你主导设计的、最复杂的AI或软件系统架构，并说明你是如何权衡不同技术选项和满足非功能性需求的？
- 在一个具体的业务场景下，你会如何设计一个基于LLM的智能体解决方案？请描述从需求分析到技术选型的关键步骤
- 当业务团队提出的需求在技术上实现成本过高或存在风险时，你会如何处理？请举例说明
- 你如何评估和确保一个RAG系统的检索质量与答案准确性？有哪些关键的监控指标？
- 请谈谈你在受监管行业（如金融）项目中，是如何设计和落实安全与合规要求的？
职位点评
Watch Jobs