中科曙光
AI Agent工程师 - 组件与评测（成都）(J13931)
AI Agent工程师 - 组件与评测（成都）(J13931)
发布于 12 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
Llm
Mcp协议
Rag
评测体系
值不值得投
69综合评分
综合评分 69
前沿AI Agent平台开发岗，技术成长性高，但工作模式与WLB需在面试中重点确认。
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
与人工智能中位数基本持平
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
84 个在招 · 其中人工智能 2 个
市场机会
选择适中
成都 · 人工智能 · 27 个在招
职位详情
关于这个职位
这是一个专注于AI Agent核心能力建设的工程师岗位
你将负责设计开发Agent的技能组件、MCP Server、企业连接器等，并构建完善的知识库与RAG检索能力
同时，你需要为AI4S科学计算模型提供Agent化集成，并搭建全面的组件与Agent评测体系，以确保组件的质量和可靠性，为最终应用和交付提供可复用的基础能力
最低要求
本科及以上学历，计算机、人工智能、软件工程、信息检索等相关专业
熟练掌握Python，并熟悉Golang或TypeScript中的至少一种，具备良好的SDK、API和服务开发能力
熟悉LLM、Agent、Function Calling/Tool Use，理解Agent规划执行、状态管理和异常处理机制
熟悉MCP协议，具备MCP Server、Skill、插件、工具或企业系统连接器开发经验
熟悉RAG、Embedding、混合检索、Rerank及Elasticsearch、Milvus、Qdrant、FAISS等检索系统
具备第三方模型、算法服务或专业软件集成能力，熟悉容器、异步任务、作业调度和结果处理
具备评测集构建、指标设计、自动化测试、Tracing和问题归因能力
工作职责
负责Agent能力组件建设，包括Skill的设计、开发、封装、版本管理、测试、发布和复用
负责MCP Server、Tool及企业连接器开发，实现业务系统、数据源、专业软件和外部服务的标准化接入
建设组件级参数校验、权限适配、异常处理、调用观测和质量保障能力，并与平台运行底座协同
建设知识库与RAG能力，包括数据接入、解析清洗、索引更新、混合检索、重排、权限治理和引用溯源
负责AI4S模型及科学计算工具的Agent化集成，包括服务封装、参数配置、作业提交、任务编排、结果解析和工作流衔接
建设组件及Agent评测体系，覆盖Skill成功率、工具调用准确率、知识检索质量、模型调用效果和端到端任务完成率
沉淀组件规范、评测集、自动化回归能力和最佳实践，为行业应用及FDE交付提供可复用能力
优先资格
有AI4S、HPC、科研计算、Slurm/Kubernetes、评测平台或复杂工具调用项目经验
AI 洞察
优缺点分析
优点
- 技术前沿性高：工作内容直接面向大模型应用最核心的Agent技术，涉及MCP、RAG、评测等前沿领域，技术积累价值高
- 系统性建设机会：岗位职责覆盖了从组件开发、知识工程到评测保障的全链路，能获得构建复杂AI系统级能力的宝贵经验
- 平台化视角：工作着眼于构建可复用的组件和规范，有助于培养良好的架构设计思维和平台化视野
- 技术集成复杂度高：需要将LLM、多种工具、知识库、科学计算等异构系统通过Agent框架有机整合，对系统设计能力要求高
- 知识深度要求：需要对检索技术、向量数据库、Rerank模型等有扎实的理解，才能有效建设高质量的RAG能力
- 适合对AI Agent底层技术有浓厚兴趣、具备扎实系统开发和检索技术背景、喜欢解决复杂工程集成问题、并注重软件质量与可靠性的技术人员
缺点 / 挑战
- 质量保障难度大：Agent的行为具有不确定性，构建能全面、可靠评测其效果的体系是一个持续的技术挑战
角色解读
- 专业深化路径：可以沿着AI Agent平台架构师、知识图谱与检索专家、或AI系统质量与效能专家的方向深入发展
- 技术管理路径：在积累了丰富的组件建设和团队协作经验后，可成长为负责整个Agent平台或特定技术领域的技术负责人
- 前沿探索路径：随着Agent技术的发展，有机会参与探索更复杂的多模态Agent、自主规划Agent等下一代智能体技术
- 你将负责构建AI Agent的“积木”，即设计和开发可复用的技能组件（Skill）和标准化连接器，让Agent能调用外部工具和系统
- 你需要为AI Agent搭建“大脑”的外部记忆库，即建设知识库与RAG能力，确保Agent能准确、高效地检索和使用信息
- 你的工作还包括为Agent制定“考试规则”和“评分标准”，建立全面的评测体系，以量化和保障Agent组件的质量与效果
- 核心编程与系统开发能力：需要精通Python，并掌握Golang或TypeScript，能够进行高质量的SDK、API和服务开发
- AI Agent核心技术栈：必须深入理解LLM、Agent架构、Function Calling/Tool Use原理，熟悉MCP协议等前沿概念
- 检索与知识工程能力：需要熟悉RAG流程、混合检索技术，并有使用Elasticsearch、Milvus等向量/搜索引擎的实战经验
- 工程化与评测能力：需要具备构建评测集、设计指标、进行自动化测试和Tracing问题定位的系统化工程能力
申请策略
- 中科曙光在高性能计算与AI融合方面有深厚背景，了解其在科学计算（AI4S）领域的业务布局，能体现你对公司的研究和兴趣
- 在面试中，可以主动讨论你对Agent组件化、可复用性设计以及评测体系构建的思考，展示你的系统性思维
- 重点突出在Agent、Function Calling、Tool Use、MCP相关项目或研究中的具体贡献，描述你设计的组件或解决的问题
- 详细展示在知识库、RAG、混合检索等方面的实践经验，包括使用的技术栈（如Milvus, Elasticsearch）和取得的效果指标
- 强调构建评测体系、设计自动化测试、进行性能或效果分析的经历，体现你的质量保障意识
- 如果参与过AI4S或科学计算相关项目，务必详细描述，这是重要的加分项
- 深入研读MCP协议及相关开源实现，尝试动手搭建一个简单的MCP Server或连接器，积累第一手经验
- 系统学习主流RAG框架（如LangChain, LlamaIndex）和向量数据库，重点关注检索策略、Rerank模型的应用
面试指南
- 对于系统设计问题，使用“背景-挑战-解决方案-成果”的结构
- 重点阐述你的设计决策背后的技术考量和权衡
- 对于RAG和评测问题，采用“指标定义-方法选择-实现细节-迭代优化”的框架，体现你解决问题的系统性
- 回答时紧密结合你简历中的项目经验，用具体的技术选型、代码实现或数据指标来支撑你的观点
- 请介绍一个你过去构建或深度使用的Agent系统或组件，它的架构是怎样的？解决了哪些核心问题？
- 如果让你为一个全新的业务场景（例如自动代码审查）设计Agent的Skill和工具，你会如何进行拆解和设计？
- 在RAG系统中，如何评估和优化检索结果的质量？你会关注哪些指标？如何处理检索结果与用户问题不相关的情况？
- 如何设计一个有效的Agent评测体系？如何模拟和评估Agent在复杂、多步骤任务中的端到端表现？
职位点评
薪资福利65
成长发展85
工作生活50
使命价值75
薪资福利
65中等
薪资待遇处于成都市场中上水平，能提供有竞争力的经济回报。但作为技术深度岗，其稳定性与发展平台是主要补偿优势。
薪资信号市场水准 (1.5千–2.5万/月)
成长发展
85较高
岗位处于AI Agent技术最前沿，涉及MCP、RAG、评测等核心领域，能快速积累稀缺的系统架构与平台建设经验，技术成长性强。
技术前沿前沿/新兴技术
技术栈LLM、Agent、Function Calling、MCP、RAG、Elasticsearch、Milvus
业务类型ambiguous
工作生活
50较低
JD未明确工作模式和福利安排。岗位聚焦于组件建设与平台开发，可能涉及较复杂的系统联调，工作模式与节奏需在面试时进一步确认。
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
致力于构建AI Agent的核心能力，赋能行业应用，具有明确的技术价值与社会应用前景，但直接的社会影响力表述不明显。
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
中科曙光 的其他在招职位
相似职位推荐
Watch Jobs