Sugon logo
中科曙光
AI Agent工程师 / LLM应用工程师(西安)(J14513)

AI Agent工程师 / LLM应用工程师(西安)(J14513)

发布于 2 小时前

普通员工/个人贡献者

AI 估算 · 1.8–3.0万 · 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

76综合评分

综合评分 76

大厂背书、前沿AI技术栈、西安地区优质机会,侧重技术成长与落地实践

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

2.4万

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

西安 · AI算法 · 4 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,设计RAG架构及企业知识库

优化智能体工作流、多Agent协作及Prompt策略,参与模型微调与推理优化,并建立评估体系以提升系统准确率与稳定性

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

加分项:
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

  • 技术前沿:处于AI Agent和大模型应用的最前沿,技术成长速度快,行业需求旺盛
  • 平台稳定:中科曙光是上市超大型企业,提供稳定的工作环境、完善的福利保障及充足的算力资源支持
  • 落地场景丰富:依托公司背景,有机会接触大规模企业级知识库和实际业务场景,避免纯理论研究
  • 技术迭代极快:LLM和Agent生态变化迅速,需要保持高强度的持续学习能力
  • 效果调优难度大:Agent的准确性和稳定性在实际场景中难以保证,需要大量的实验和迭代优化
  • 跨领域要求高:不仅需要算法知识,还需要深厚的后端工程能力和对业务逻辑的理解

缺点 / 挑战

  • 适合对大模型应用有浓厚兴趣、具备扎实工程落地能力、喜欢挑战新技术并希望在AI前沿领域深耕的开发者

角色解读

  • 纵向深化:成为AI Agent架构师或大模型应用专家,主导复杂AI系统的底层设计与优化
  • 横向拓展:向AI产品经理或技术负责人转型,负责从技术实现到商业落地的全流程管理
  • 行业领先:随着AI Agent技术的爆发,该领域人才稀缺,具备早期实战经验者极具职业竞争力
  • 核心工作是构建基于大模型的智能体(Agent),解决如何让AI像人一样使用工具、执行复杂任务的问题
  • 搭建RAG(检索增强生成)系统,将企业内部私有数据与大模型结合,确保回答的专业性和准确性
  • 持续优化Agent的工作流、提示词(Prompt)策略以及多智能体协作机制,提升系统的稳定性和响应速度
  • 扎实的编程基础,精通Python或Golang,具备优秀的软件工程能力
  • 深入理解LLM应用架构,特别是RAG技术栈、向量数据库及主流Agent开发框架(如LangChain/LlamaIndex)
  • 掌握Prompt Engineering技巧,了解模型微调(SFT/LoRA)及推理优化技术

申请策略

  • 准备一个完整的Demo或GitHub项目,展示你构建的一个简单但功能完整的AI Agent,能在面试中直观体现能力
  • 关注中科曙光在AI领域的布局,了解其在算力、云服务等方面的优势,思考如何将个人技能与公司业务结合
  • 突出展示基于LLM的实际项目经验,特别是RAG架构设计、Agent工作流开发的具体案例
  • 量化成果:强调通过优化Prompt或架构,提升了多少准确率、降低了多少延迟或提高了多少效率
  • 技能匹配:明确列出熟悉的Agent框架(LangChain等)、向量数据库及编程语言,并与JD要求一一对应
  • 深入学习LangGraph或AutoGen等多Agent协作框架,理解状态管理和复杂工作流编排
  • 实践RAG的高级技巧,如重排序(Re-ranking)、混合检索、查询改写等,提升知识库问答效果
  • 了解模型微调的基础流程,即使不亲自训练,也要懂如何评估和优化微调后的模型表现

面试指南

  • STAR法则:针对项目类问题,按照情境(Situation)、任务(Task)、行动(Action)、结果(Result)的结构回答
  • 对比分析:在技术选型问题上,对比不同方案的优缺点,说明最终选择的理由(如性能、易用性、社区支持)
  • 深度剖析:针对原理性问题,不仅回答“怎么做”,还要解释“为什么这么做”,展示对底层逻辑的理解
  • 请详细描述你设计过的一个RAG系统架构,你是如何解决幻觉和上下文窗口限制的?
  • 在多Agent协作场景中,你如何处理Agent之间的通信冲突和死锁问题?
  • 面对复杂的用户意图,你是如何通过Prompt Engineering或Agent策略优化来提升回答准确率的?
  • 如果让你从零开始构建一个企业级知识库Agent,你会选择哪些技术栈?为什么?
  • 如何评估一个AI Agent的效果?有哪些关键的评估指标?

职位点评

薪资福利75
成长发展90
工作生活60
使命价值70

薪资福利

75中等

作为上市超大型企业,中科曙光能提供稳定的薪酬体系和完善的福利保障,薪资水平在西安地区属于市场中上,能满足基本的补偿性动机。

薪资信号未披露(AI估算:1.8千–3.0万/月)

成长发展

90较高

该职位涉及AI Agent、RAG、模型微调等前沿技术,技术栈非常先进,能为求职者提供极高的技能成长空间和职业发展潜力。

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

工作生活

60中等

工作地点在西安,生活压力相对一线城市较小,但技术研发岗位通常面临一定的技术更新压力和项目交付压力,WLB取决于具体团队文化,JD未明确提及弹性工作制。

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

70中等

致力于推动AI技术在企业级的落地应用,通过构建智能体和知识库提升企业效率,具有一定的社会价值和行业前景,符合技术驱动发展的趋势。

行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs