Sugon logo
中科曙光
AI Agent工程师 / LLM应用工程师(青岛)(J14550)

AI Agent工程师 / LLM应用工程师(青岛)(J14550)

发布于 2 小时前

普通员工/个人贡献者

AI 估算 · 2.0–3.5万 · AI 参考估算
中级经验
学历未注明
全职员工仅现场办公AI算法
AI算法
Ai Agent
Llm
Prompt Engineering
Rag
向量数据库
模型微调

值不值得投

80综合评分

综合评分 80

前沿AI技术栈、大厂稳定平台、侧重技能成长、WLB待确认

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便横向比较。

薪资怎么样

2.8万

比AI算法中位数低

发布情况

新岗位 · 今天发布

公司情况

这家公司招聘很活跃

约 610 个在招

市场机会

选择不多

青岛 · AI算法 · 3 个在招

职位详情

关于这个职位

负责基于大模型(LLM)的AI Agent系统开发与落地,包括RAG架构设计、知识库构建及多Agent协作工作流开发

需掌握Prompt Engineering、模型微调(LoRA/SFT)及推理优化,并建立评估体系以提升智能体的准确率与稳定性

最低要求

熟练掌握Python或Golang,具备良好的工程能力

熟悉LLM应用开发与AI Agent架构
熟悉RAG技术体系,有知识库构建经验
熟悉至少一种Agent开发框架(LangChain/LlamaIndex/AutoGen/LangGraph等)
熟悉向量数据库和检索系统(Milvus/FAISS/Qdrant等)

工作职责

负责基于大模型(LLM)的AI Agent系统开发与应用落地

设计和实现RAG(检索增强生成)架构,构建企业知识库
开发和优化智能体工作流、多Agent协作、工具调用能力
进行Prompt Engineering、Agent策略优化与效果提升
参与模型训练或微调(LoRA/SFT)及推理优化
建立Agent评估体系,提升回答准确率和稳定性

优先资格

有模型微调、Prompt Engineering或Agent评估经验优先

有AI Agent平台或多Agent系统开发经验
熟悉OpenClaw、Function Calling、Tool Use
有LLM产品落地或企业知识库项目经验
熟悉Docker/Kubernetes/AI模型部署

AI 洞察

优缺点分析

优点

  • 处于AI应用落地最前沿,技术栈(Agent/RAG/LLM)极具市场竞争力
  • 依托中科曙光平台,拥有丰富的企业级应用场景和数据资源
  • 超大型上市企业背景,职业稳定性高,福利体系完善
  • AI Agent领域技术迭代极快,需保持高强度的持续学习能力
  • 企业级落地对系统稳定性、准确率要求极高,调试和优化难度大
  • 适合热衷于大模型应用创新、具备扎实后端工程能力且对AI Agent方向有浓厚兴趣的技术人员

缺点 / 挑战

  • 涉及多Agent协作和复杂工作流,系统架构设计复杂度较高

角色解读

  • 纵向深耕:成为AI Agent架构师或大模型应用专家,主导复杂智能体系统设计
  • 横向拓展:向AI产品经理转型,或深入底层模型训练与算法优化领域
  • 技术管理:带领团队攻克企业级AI落地难题,推动内部技术基础设施建设
  • 核心工作是构建基于LLM的智能体(Agent)系统,解决企业级知识检索与应用问题
  • 负责从底层数据接入(RAG)、中间件框架(LangChain等)到上层交互(Prompt/Tool Use)的全链路开发
  • 持续优化模型输出效果,通过微调、评估体系建立来提升系统的稳定性和准确性
  • 扎实的编程基础(Python/Golang)及软件工程能力
  • 精通LLM应用架构,特别是RAG技术和向量数据库的使用
  • 熟悉主流Agent开发框架及模型微调(SFT/LoRA)技术
  • 具备Prompt Engineering能力及对Agent行为策略的调优经验

申请策略

  • 准备1-2个完整的AI Agent项目Demo或详细架构图,面试中重点展示
  • 关注中科曙光在行业数字化、云计算领域的最新动态,体现业务理解力
  • 突出LLM应用项目经验,特别是RAG架构设计和Agent开发的具体案例
  • 量化展示优化成果,如“通过Prompt优化将准确率提升X%”、“构建知识库覆盖Y万条数据”
  • 强调工程落地能力,提及容器化部署、性能优化及高并发处理经验
  • 深入理解LangChain/LangGraph等框架源码,掌握高级编排技巧
  • 学习向量数据库原理及检索优化策略,提升召回准确率
  • 补充模型微调实战经验,了解SFT/RLHF等技术细节

面试指南

  • STAR法则:情境-任务-行动-结果,重点突出技术选型理由和最终量化效果
  • 对比分析:阐述不同技术方案(如不同向量库、不同框架)的优劣及适用场景
  • 深度思考:不仅展示怎么做,更要解释为什么这么做,体现对底层原理的理解
  • 请详细介绍你设计的RAG架构,如何解决检索噪声和上下文窗口限制问题?
  • 在多Agent协作场景中,如何设计通信机制和冲突解决策略?
  • 面对LLM幻觉问题,除了Prompt Engineering,还有哪些技术手段可以提升回答准确性?
  • 如何进行Agent的效果评估?请描述你建立的评估体系和指标
  • 在模型微调过程中,遇到过哪些过拟合或灾难性遗忘问题,如何解决的?

职位点评

薪资福利85
成长发展92
工作生活60
使命价值75

薪资福利

85较高

作为已上市的超大型企业,中科曙光能提供具有市场竞争力的薪资和完善的福利保障,满足求职者对稳定性和基本薪酬的需求。

薪资信号未披露(AI估算:2.0千–3.5万/月)

成长发展

92较高

职位聚焦于AI Agent和LLM应用这一前沿技术领域,技术栈先进,能极大提升求职者的专业技能和市场价值。

技术前沿前沿/新兴技术
技术栈LLM、AI Agent、RAG、LangChain、LoRA、SFT、Prompt Engineering、向量数据库
业务类型profit_center

工作生活

60中等

传统IT大厂通常实行标准工时制,但AI研发岗位可能面临项目交付压力,WLB情况取决于具体团队节奏,JD未明确说明弹性工作制。

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

75中等

通过AI技术赋能企业数字化转型,提升知识管理效率,具有一定的社会价值和行业影响力,符合技术驱动发展的趋势。

行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs