巴斯夫
Agentic AI Researcher (007358)
Agentic AI Researcher (007358)
发布于 大约 21 小时前普通员工/个人贡献者
南京市
中级经验
全职员工
仅现场办公
本科
机器学习
架构设计
知识分享
Agentic AI
POC
GitHub Copilot
Claude Code
AI 估算 · 20k–35k
Agentic AI前沿方向，巴斯夫大平台，南京薪资水平中等，硕士+3年经验预期20-35k
职位详情
关于这个职位
这是一个在巴斯夫中国AI团队中从事Agentic AI前沿研究的岗位
你将嵌入到数据与AI敏捷小组，持续追踪最新的Agentic AI框架和范式，并帮助设计可复用的Agent架构和技能框架
通过轻量级实验和PoC验证候选方案，并定期输出研究报告和知识分享，推动研究与实践的快速闭环
适合对AI Agent有热情、喜欢探索新技术并具备一定工程能力的候选人
最低要求
Education: In information technology or an engineering degree in Computer Science, Data Science, mathematics or related discipline
Work Experience: Project agile implementation approach, Good Communication & Presentations skills
Technical & Professional Knowledge (mandatory and nice to have): Basic AI/ML, Coding (python), Agentic AI usage (claude code, github copilot etc)
Language Proficiency: Fluent (active contribution and participation in discussion including technical topics and terms) in English and Chinese is essential
工作职责
Embedded research support to the squad: Work closely with the Data & AI China AI squad on a day-to-day basis, aligning research output with the team’s delivery rhythm to build tight research–practice loop.
Continuous research on Agentic AI frameworks: Monitor and summarize the latest Agentic AI frameworks, paradigms, and key concepts, with a focus on applicability to DevOps contexts.
Agent architecture & skill framework contribution: Help research, structure, and define reusable agent architecture patterns, capability models, and skill frameworks to enable repeatable adoption across projects.
Lightweight experiments & validation: Under mentorship, run small PoCs or comparative evaluations of candidate frameworks/architectures/skill compositions, summarizing fit criteria, risks, and recommendations.
Knowledge sharing and structured learning: Produce regular research digests/reading notes and support internal sharing sessions to build a systematic learning cadence and a maintained knowledge base.
Cross-functional collaboration & communication: Collaborate with product/engineering/delivery stakeholders to capture pain points and convert research insights into actionable recommendations and standards.
AI 洞察
优缺点分析
优点
- 前沿技术领域：Agentic AI是当前AI热点，有大量探索空间和成长机会
- 大平台支撑：巴斯夫作为跨国巨头，拥有丰富的业务场景和数据资源
- 导师制培养：团队提供指导，有助于快速积累研究经验和系统知识
- 跨团队协作：与产品、工程、交付等多部门合作，提升综合能力
- 技术不确定性：Agentic AI仍处于快速发展阶段，需要持续学习和适应
- 研究与交付平衡：既要保持研究深度，又要跟上团队交付节奏，可能节奏较快
- PoC到落地转化：需要将研究成果转化为实际可用的标准和建议，存在一定阻力
- 适合有较强自驱力、对AI Agent有浓厚兴趣、乐于探索新技术并愿意将研究落地的技术型人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术路线：从Agentic AI研究员成长为AI架构专家或技术Leader
- 业务路线：深入理解化工行业AI应用场景，向产品经理或解决方案架构师转型
- 管理路线：未来可带领小型研究团队或担任技术负责人
- 每日嵌入AI敏捷小组，紧密配合团队交付节奏，确保研究成果快速转化为实践
- 持续追踪Agentic AI最新框架和范式，尤其关注其在DevOps场景下的适用性
- 协助定义可复用的Agent架构模式、能力模型和技能框架，推动跨项目标准化
- 在导师指导下运行轻量级PoC或框架对比评估，总结适用性、风险和建议
- 扎实的AI/ML基础，能理解并评估前沿Agentic AI框架
- 熟练的Python编程能力，能快速原型验证想法
- 实际使用过Agentic AI工具如Claude Code、GitHub Copilot
- 良好的沟通和演示能力，能用中英文清晰表达技术观点
申请策略
- 了解巴斯夫在AI领域的布局和化工行业数字化趋势，在面试中展现业务理解
- 准备一个轻量级Agentic AI PoC思路，体现快速验证和总结能力
- 突出Agentic AI相关项目经验，如使用Claude Code、LangChain等框架的实际案例
- 展示Python编程能力，可附上GitHub链接或代码样例
- 强调敏捷开发经验和跨团队协作成果
- 如有PoC或研究性工作，详细描述方法、过程和结论
- 提前深入学习主流Agentic AI框架（如AutoGPT、CrewAI、LangGraph）
- 补充DevOps基础知识（CI/CD、容器化、云服务），因岗位关注DevOps场景
面试指南
- 使用STAR方法：情境、任务、行动、结果，具体展示项目中的角色和贡献
- 对新技术类问题，先给出定义，再列举主流方案，然后结合场景分析适用性
- 对设计类问题，明确目标、关键指标、验证步骤，并讨论风险和备选方案
- 你对Agentic AI的理解是什么？当前有哪些主流框架，它们各自的优缺点？
- 请描述一个你使用AI Agent解决实际问题的项目经历
- 如何在DevOps环境中应用Agentic AI？举例说明
- 设计一个PoC来验证某个Agent框架在自动化运维中的效果，你会怎么做？
- 如何将研究洞察转化为团队可执行的标准或建议？
匹配度报告
66
综合匹配度
前沿Agentic AI研究岗，大平台+导师制，成长空间大，但WLB未明确。
适合人群
最适合追求技术前沿和技能成长、不太介意现场办公和WLB不确定性的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利70
成长发展85
工作生活50
使命价值60
薪资福利匹配
70中等
该职位薪资处于市场中等偏上水平，但JD未明确福利细节，稳定性由大厂背书。
薪资信号未披露（AI估算：20K-35K/月）
成长发展匹配
85较高
Agentic AI属于前沿技术，有导师制和知识分享机制，技能成长空间大。
技术前沿前沿/新兴技术
技术栈Agentic AI、Claude Code、GitHub Copilot、Python、机器学习
成长机会Under mentorship、Knowledge sharing
业务类型ambiguous
工作生活匹配
50较低
工作地点南京现场办公，JD未提及弹性工作或WLB相关福利，灵活性一般。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
60中等
巴斯夫化工行业通过AI提升效率有正面社会价值，但JD未明显强调使命。
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