云知声
AI 开发工程师(J11099)
AI 开发工程师(J11099)
发布于 1 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 Coding
Claude Code
Prompt Engineering
Rag
Workflow编排
大模型
值不值得投
76综合评分
综合评分 76
南宁AI应用开发岗，技术前沿、成长空间大，但WLB和具体福利未明。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
2万
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
公司还在招多个职位
4 个在招
职位详情
关于这个职位
该职位负责将前沿的大模型能力与实际业务场景深度结合
你需要主导设计和开发基于大模型的AI Agent应用，构建智能助手、AI Copilot等业务系统，并负责从架构设计到上线交付的全链路开发，推动AI技术在公司产品中落地
最低要求
本科及以上学历，计算机相关专业
年及以上软件开发经验，其中1年及以上AI应用开发经验
精通Java / Python / TypeScript中至少一种主流开发语言，具备扎实的工程化能力
熟悉常见Web框架者优先
熟练使用至少一种AI辅助编程工具（如Cursor、Claude Code、Codex等）
熟悉主流大模型应用范式，掌握Prompt Engineering、RAG、Agent架构、Function Calling、Memory管理、Workflow编排等能力
具备良好的系统设计能力，能独立完成模块开发与联调
能理解用户需求并转化为技术方案
具备端到端交付意识：关注用户体验，愿意为效果反复打磨
能独立推进从需求分析到上线交付的完整链路
学习能力强，问题解决能力强，对人工智能技术保持持续热情
工作职责
负责AI应用场景落地，基于大模型完成Agent应用的架构设计与研发，构建智能助手、任务型Agent、AI Copilot等业务系统，推动大模型能力与业务场景深度结合
负责Agent核心能力建设，完成RAG、Tool Calling、Workflow编排、Memory管理、Multi-Agent协作等模块的设计、开发与持续优化
负责大模型接口接入与调用优化，提升系统响应效率、稳定性与可用性
基于大模型开发NLU、内容生成、对话系统等智能功能模块
推动大模型能力与业务系统深度集成，完成从原型验证到上线交付的端到端闭环
负责AI应用工程化建设，包括模型接入、服务治理、效果评测、性能优化、成本控制与稳定性保障
协同产品、算法及相关业务团队，完成效果验证、功能迭代与性能调优，关注用户体验，对结果负责
持续跟踪Agent与AI Coding相关技术进展（如Cursor、Claude Code、OpenHands / OpenClaw等），探索其在研发提效与业务场景中的落地应用
优先资格
有AI Coding、研发助手、代码生成/自动修改、Code Review Agent等相关项目经验
熟悉OpenClaw、OpenHands、AutoGen、LangGraph、CrewAI等框架，具备实践或二次开发经验
有完整AI产品交付与持续迭代经验，或独立完成过有一定完成度的AI个人项目/Side Project
熟悉主流大模型API（OpenAI、Claude、DeepSeek、Qwen等），了解向量数据库（Milvus、FAISS等）及Redis、MySQL等基础组件
具备Python与Java等双栈能力，有服务治理、效果评测、成本治理相关经验
AI 洞察
优缺点分析
优点
- 技术前沿性强：直接接触并实践当前最热门的大模型、Agent等AI技术，技术视野和能力成长快
- 实战机会多：职位强调从设计到交付的完整闭环，能够积累丰富的AI应用端到端落地经验
- 技术栈全面：工作涉及算法、工程、产品多个维度，有助于培养综合性的技术能力和全局思维
- 业务结合紧密：推动AI技术与具体业务场景结合，工作成果可见性强，价值感高
- 技术更新迅速：AI领域技术迭代极快，需要持续投入大量时间学习和跟进最新进展
- 综合能力要求高：不仅需要扎实的编码能力，还需要系统设计、性能优化、成本控制以及跨团队沟通协作的能力
- 适合对AI应用开发有浓厚兴趣，具备扎实编程功底和工程化思维，且渴望将前沿技术转化为实际产品价值的工程师
缺点 / 挑战
- 业务落地难度：将前沿AI能力稳定、高效、低成本地落地到复杂业务场景中，会面临诸多工程和产品上的挑战
- 能够接受快速变化的技术环境，并乐于在挑战中成长
角色解读
- 技术专家路线：在AI应用架构、多Agent系统、大模型优化等方向深入钻研，成为团队技术核心或架构师
- 技术管理路线：在项目交付和团队协作中展现领导力，逐步成长为技术负责人或项目经理，负责更大范围的技术规划和团队管理
- 产品技术融合路线：凭借对技术和业务的双重理解，向AI产品经理或解决方案专家方向发展，主导AI产品的规划与创新
- 设计并开发基于大模型的智能应用系统，如AI助手、任务Agent和AI Copilot，将前沿AI能力转化为可用的业务功能
- 负责Agent核心模块的建设与优化，包括检索增强生成（RAG）、工具调用、工作流编排和记忆管理等关键技术
- 承担AI应用的全链路工程化工作，从模型接入、性能优化到服务治理，确保系统稳定、高效且成本可控
- 与产品、算法团队紧密协作，推动技术方案从原型验证走向上线交付，并持续跟踪最新AI技术进展以探索新的落地可能
- 精通至少一种主流开发语言（Java/Python/TypeScript），并具备扎实的工程化和系统设计能力，能够独立完成模块开发
- 深入掌握大模型应用范式，熟练运用Prompt Engineering、RAG、Agent架构、Function Calling等核心技术进行开发
- 拥有AI应用开发实战经验，了解主流大模型API，并能熟练使用如Cursor等AI辅助编程工具提升研发效率
- 具备端到端的交付意识和良好的沟通协作能力，能够理解业务需求并将其转化为可落地的技术方案
申请策略
- 深入研究云知声的主营业务和AI技术产品，思考你所申请的岗位如何为其创造价值，这在面试中能体现你的诚意和思考深度
- 准备一个能够清晰讲述的、与职位要求高度相关的项目案例，使用STAR法则突出你解决复杂技术问题的思路和取得的成果
- 展示你对技术的热情和持续学习的习惯，例如可以提及你最近关注的AI技术动态或阅读的相关论文
- 重点突出与AI应用开发相关的项目经历，详细描述你在其中负责的Agent、RAG、模型集成等核心模块的设计与实现
- 清晰列出你掌握的编程语言（如Python/Java）、AI框架（如LangGraph）、以及熟练使用的AI开发工具（如Cursor）
- 强调你的工程化能力和端到端交付经验，例如在性能优化、稳定性保障、成本控制等方面的具体实践和成果
- 如果有的话，展示你参与的AI Coding或研发助手相关的个人项目或开源贡献，这将是重要的加分项
- 系统性地学习并实践最新的AI Agent框架，如OpenClaw、AutoGen、CrewAI等，并尝试构建一个完整的多Agent应用Demo
面试指南
- 回答架构设计类问题时，采用“问题背景 - 方案选择 - 技术细节 - 实施效果 - 总结反思”的结构进行阐述，重点突出你的设计决策和权衡
- 回答工程优化类问题时，从“监控与诊断 - 优化策略 - 实施手段 - 效果验证”几个步骤来组织答案，体现你系统性解决问题的能力
- 对于技术选型和比较类问题，可以从“核心思想 - 适用场景 - 优缺点 - 个人实践或看法”几个维度进行对比分析，展示你的技术深度和判断力
- 请描述一个你主导或深度参与的AI应用项目，重点说明你如何设计Agent架构来解决实际问题？
- 在构建RAG系统时，你通常会从哪些方面进行优化以提高检索质量和生成效果？请结合实践经验谈谈
- 当需要将一个AI功能集成到现有业务系统并上线时，你会考虑哪些工程化问题（如性能、稳定性、成本）？请举例说明
- 请谈谈你对当前主流AI Agent框架（如AutoGen, LangGraph）的理解和比较，你认为它们各自适合什么场景？
- 如果让你从零开始为一个业务场景设计AI Copilot，你的思考和实施步骤会是怎样的？
职位点评
薪资福利75
成长发展90
工作生活55
使命价值80
薪资福利
75中等
该职位提供的薪酬估算处于南宁市场的中上水平，对于技术和经验匹配的候选人具有不错的吸引力。但JD未明确提及具体的福利细节，无法进一步评估其补偿性优势。
薪资信号市场水准 (1.5千–2.5万/月)
成长发展
90较高
该职位专注于前沿的AI Agent与大模型应用开发，技术栈先进，且要求端到端的交付能力，能为求职者提供极高的技术成长空间和实战经验积累。
技术前沿前沿/新兴技术
技术栈大模型、RAG、Agent、Prompt Engineering、Function Calling、Workflow编排、AI Coding、Cursor、Claude Code
业务类型profit_center
工作生活
55较低
JD未明确说明办公模式、工作时间等信息，无法判断其WLB情况。工作地点在南宁，生活成本可能低于一线城市，但具体办公地点的通勤便利性未知。
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
80较高
人工智能是当前高速增长的赛道，该职位的工作直接推动AI技术在实际业务中的应用，具有明确的社会和行业价值感，能够满足求职者对技术影响力和行业前景的追求。
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