思必驰
AI Agent研发工程师-2027届
AI Agent研发工程师-2027届
发布于 9 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Ai Agent
Prompt Engineering
Rag
向量数据库
大语言模型
智能体开发
智能家居
机器人
汽车
值不值得投
82综合评分
综合评分 82
前沿AI Agent技术岗，多场景落地实践机会，技术成长性强，但WLB未知。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
12K
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
44 个在招 · 其中人工智能 8 个
市场机会
选择不多
苏州 · 人工智能 · 10 个在招
职位详情
关于这个职位
该职位是面向2027届毕业生的AI Agent研发工程师
你将负责基于大语言模型构建应用于汽车、家居、机器人及企业服务等场景的智能体产品，通过连接语音、知识库、业务系统和外部工具，实现复杂任务的自主规划与执行
这是一个兼具前沿技术探索与多领域场景落地的工程岗位
最低要求
）计算机、软件工程、人工智能等相关专业，本科及以上学历
）熟练使用 Python，具备良好的后端服务开发能力
）熟悉大模型 API、Prompt Engineering、Function Calling 和结构化输出
）熟悉 LangChain、LangGraph、LlamaIndex、AutoGen 等一种或多种智能体框架
）熟悉向量数据库、Embedding、RAG及常见检索技术
）熟悉 RESTful API、数据库、缓存、消息队列及容器化部署
）具备较强的业务理解、问题定位和产品交付能力
工作职责
）负责 AI Agent 应用的架构设计、开发、测试和上线
）构建任务规划、工具调用、工作流编排、记忆管理及多智能体协作能力
）负责 RAG 系统建设，包括文档处理、检索、重排和答案生成
）对接语音识别、语音合成、大模型及企业业务系统，打造语音智能体
）优化智能体的任务成功率、响应速度、稳定性和使用成本
）建设效果评测、日志追踪、提示词管理及安全防护体系
）与产品、算法及业务团队协作，完成需求分析和场景落地
优先资格
加分项：
）有可规模化使用的 AI Agent 或大模型应用落地经验
）有语音助手、智能座舱、智能家居或机器人项目经验
）熟悉 MCP、多智能体协作、浏览器自动化或代码执行技术
）熟悉模型私有化部署、推理服务及大模型应用安全
AI 洞察
优缺点分析
优点
- 直接投身于当前最前沿的AI Agent和大模型应用赛道，技术成长空间巨大
- 工作场景丰富，能接触到汽车、家居、机器人等多个领域的落地项目，积累多行业经验
- 作为校招岗位进入中大型企业，能获得体系化的培养和规范的工程实践机会
- 公司处于C轮及以后阶段，业务有一定基础，技术落地场景明确
- AI Agent技术体系仍在快速迭代，需要持续学习以跟上框架和模型的发展
- 适合对构建智能体应用充满热情、具备扎实工程基础与快速学习能力的应届毕业生，希望在AI前沿领域将技术转化为实际产品价值
缺点 / 挑战
- 职位要求涵盖从算法对接到系统部署的全链路，对工程综合能力要求较高
- 将AI Agent在实际业务场景中达到高成功率、低延迟、高稳定性的产品级标准，具有挑战性
角色解读
- 在AI Agent领域深耕，成为大模型应用与智能体系统架构设计的专家
- 向特定行业场景（如智能汽车、具身智能）的解决方案架构师发展，或转向算法研究方向
- 凭借项目交付与团队协作能力，逐步承担技术负责人或项目经理等角色
- 设计和开发基于大语言模型（LLM）的AI Agent应用，构建其核心的规划、执行和协作能力
- 构建和优化检索增强生成（RAG）系统，实现外部知识的高效接入与精准问答
- 将AI智能体与语音交互、企业业务系统等连接，打造面向汽车、家居、机器人等垂直场景的完整解决方案
- 负责智能体应用的全生命周期，从架构设计、开发测试到性能优化和安全保障
- 扎实的Python编程与后端工程能力，熟悉数据库、缓存、消息队列等基础架构
- 深入理解大语言模型（LLM）原理与应用，精通Prompt Engineering、Function Calling等核心交互范式
- 熟练掌握主流AI Agent开发框架（如LangChain、LlamaIndex）及RAG相关技术链（向量数据库、Embedding）
- 良好的业务理解与系统设计能力，能将技术方案与具体产品场景（如智能座舱、机器人）有效结合
申请策略
- 仔细研究思必驰在语音交互、智能汽车等领域的具体产品和解决方案，在面试中体现你对公司的了解
- 准备一个你如何理解“AI Agent”以及你认为其核心挑战是什么的回答，展示你的思考深度
- 重点突出使用Python开发的后端项目，特别是涉及API设计、数据库应用或消息队列的实践
- 详细描述与大语言模型（LLM）、RAG、智能体相关的课程设计、毕业设计或个人项目
- 如有相关比赛经历、开源贡献或实习经验，清晰展示在其中的具体职责和技术栈
- 强调对自然语言处理（NLP）、语音交互或所提及行业（汽车/家居/机器人）的兴趣或了解
- 系统学习LangChain、LlamaIndex等主流智能体框架，并尝试搭建简单的RAG应用原型
- 深入了解向量数据库（如Milvus、Pinecone）和Embedding模型的原理与应用
面试指南
- 对于系统设计问题，采用“需求分析 -> 核心模块拆解 -> 关键技术选型 -> 潜在挑战与优化”的框架回答
- 对于技术原理问题，先清晰解释概念，再结合一个具体的应用场景或你做过的项目来说明其价值
- 对于开放性问题，从技术、产品和用户体验多个角度阐述自己的观点，并提及可能的权衡
- 请描述一个你设计或实现过的RAG系统的架构，你是如何处理文档切分、检索和重排的？
- 如果让你为一个智能家居场景设计AI Agent，你会如何划分其任务规划和工具调用模块？
- 在构建AI Agent应用时，你认为影响其任务成功率的关键因素有哪些？你会如何优化？
- 请解释一下Function Calling的工作原理，以及它在AI Agent中扮演什么角色？
- 你如何看待AI Agent应用中的安全与风险防护问题？
职位点评
薪资福利75
成长发展95
工作生活65
使命价值85
薪资福利
75中等
作为校招岗位，薪资处于苏州市场对AI应届生的正常水平，具有一定吸引力。
薪资信号市场水准 (8千–1.5万/月)
成长发展
95较高
岗位直接切入AI Agent前沿技术栈，涉及大模型、RAG、多智能体协作等核心领域，并有明确的场景落地要求，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈大语言模型、AI Agent、RAG、LangChain、LangGraph、LlamaIndex、Function Calling、向量数据库
业务类型ambiguous
工作生活
65中等
工作地点在苏州，生活成本相对较低。但JD未明确提及工作模式和WLB相关信息。
工作模式未明确
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
85较高
致力于用AI Agent技术赋能汽车、家居、机器人等多个实体产业，具有明确的行业应用价值和社会影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号打造面向汽车、家居、机器人和企业服务等场景的智能体产品
创新程度积极采用新技术
Watch Jobs