
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
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
中科曙光 的其他在招职位
相似职位推荐
大模型平台算力运管与调度系统工程师/专家
小红书 · 北京市
AI 估算 · 4.0–8.0万2 小时前发布
端到端模型量化&压缩工程师
地平线 · 北京市
AI 估算 · 2.5–4.5万3 小时前发布
R&D Pioneer 计划科研实习生(J107367)
百度 · 北京市
AI 估算 · 0.3–0.6千4 小时前发布
2027届-博士-Al后训练研究员-北京/上海
康龙化成 · 北京市
AI 估算 · 3.0–6.0万6 小时前发布
Advisory Engineer, On-Device AI Systems & Inference Optimization
联想 · 北京市
AI 估算 · 4.0–7.0万11 小时前发布
Advisory Researcher, On-Device Model & Agent Efficiency
联想 · 北京市
AI 估算 · 6.0–10.0万11 小时前发布
Industrial Engineering ES
德科斯米尔 · 沈阳市
AI 估算 · 1.8–3.0万12 小时前发布
数据技术及产品部-大模型评测算法工程师-杭州/北京
阿里巴巴 · 杭州市
AI 估算 · 3.0–6.0万12 小时前发布
Watch Jobs