Sugon logo
中科曙光
AI开发工程师-智算(郑州)(J14547)

AI开发工程师-智算(郑州)(J14547)

发布于 30 分钟前

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
本科
全职员工仅现场办公AI算法
AI算法
Go
Llm Agent
Rag
分布式系统
向量数据库
微服务
高并发

值不值得投

76综合评分

综合评分 76

前沿大模型技术栈、稳定大厂平台、郑州地区优质机会、侧重技术成长

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

职位详情

关于这个职位

作为后端研发工程师,负责大模型Agent、RAG及知识库等核心领域的后端架构设计与开发

需精通Python/Go/Java,深入理解LLM应用工程化落地(如LangChain、向量检索),并保障系统的高性能与高可用性,推动AI业务场景的技术赋能

最低要求

本科及以上学历,计算机、软件工程、人工智能、自动化相关专业,3年及以上后端或大模型应用后端开发经验

精通Python,熟练掌握Go或Java
具备异步编程、高并发、分布式任务调度、接口设计与性能优化能力
熟悉LLM Agent原理与工程实现,包括对话管理、Prompt、Tool Calling、Memory、上下文裁剪、多步任务状态机
有线上Agent或带副作用工作流系统经验,能独立处理工具误调用、循环调用、超时、部分失败、任务恢复与紧急停止
熟练使用LangChain、LangGraph、LlamaIndex、Dify、Eino、Langfuse中至少一种,能判断框架边界并完成核心运行时设计
深度掌握RAG工程化落地,有知识库从建设到调优的完整经验
熟悉文档解析、分块、向量检索、重排序、问答生成
熟练使用Milvus、Qdrant、Elasticsearch中至少一种,具备海量文档检索、数据治理与性能调优经验
熟悉大模型API调用、流式输出、多轮对话、多模型路由、限流降级与成本控制
熟悉Linux、Git、Docker
具备完整的开发、上线、运维与问题排查经验

工作职责

智能体建设:负责大语言模型相关工具和平台的后端研发工作,包括大模型Agent评估、AI Coding评估、MCP市场、知识库、RAG、Agent运行时环境等

与跨部门团队密切合作,共同推动大模型核心架构和生态系统的发展
业务场景支持:为AI搜索、虚拟人、AIGC(AI生成内容)、RAG等业务场景设计大语言模型解决方案
高效支持大模型产品的高频迭代需求,深入理解业务需求,技术驱动赋能业务增长
性能优化与稳定性保障:负责大模型在线服务的性能优化和稳定性保障工作
通过多视角挖掘系统性能瓶颈,持续优化性能
同时确保产品高SLA(服务级别协议),并设计全系统的降级保障方案
工具与平台设计:设计高度可扩展的工具、平台和解决方案,显著提升建设和部署效率,以支撑业务的快速增长
技术前沿探索:关注后端和大模型领域的前沿技术,跟踪业内最新研究进展和应用趋势,提出创新思路和方向

优先资格

有文献平台、企业知识库、SOP管理或实验数据平台从0到1落地经验

有知识权限、文档增量更新、引用级溯源、Agent评测体系建设经验
有工作流编排、MCP、Tool Gateway、多模态文档解析经验
有大规模Agent系统或LLM网关稳定性与可观测建设经验

AI 洞察

优缺点分析

优点

  • 聚焦大模型Agent与RAG等前沿技术领域,技术栈先进且具有高壁垒
  • 依托中科曙光的算力背景,拥有稳定的硬件与数据资源支持
  • 大模型应用层技术迭代极快,需持续跟进最新框架与研究
  • 需解决Agent稳定性、幻觉控制及复杂工作流编排等高难度工程问题

缺点 / 挑战

  • 具备扎实后端功底且对AI应用层有浓厚兴趣,喜欢挑战新技术并能承受快速迭代压力的中级以上开发者

角色解读

  • 可向AI基础设施架构师、大模型应用专家或技术负责人方向发展,随着AI行业成熟,此类复合型人才价值将持续提升
  • 负责大模型应用(如Agent、RAG)的后端架构设计与代码实现,构建支撑AI业务的基础设施
  • 精通Python/Go/Java后端开发,深入理解LLM工程化(LangChain/RAG/向量检索),具备高并发系统设计能力

申请策略

  • 准备1-2个关于如何解决Agent调用失败、上下文管理或RAG召回准确率优化的详细案例,面试中重点阐述
  • 突出展示在大模型Agent开发、RAG系统优化或高并发后端项目中的具体成果,量化性能提升指标
  • 深入学习LangChain/LangGraph等主流Agent框架源码,掌握向量数据库调优技巧,了解LLM网关与可观测性建设

面试指南

  • 采用STAR法则(情境、任务、行动、结果)回答技术问题,重点突出遇到的难点、采用的技术方案及最终的性能/效果提升数据
  • 请描述你设计的一个复杂Agent工作流,如何处理工具调用失败和循环依赖?
  • 在RAG系统中,如何优化长文档的分块策略以提升检索准确率?
  • 面对高并发的大模型API调用,如何进行限流、降级和成本控制?
  • 对比LangChain和LangGraph,你认为它们各自的适用场景是什么?
  • 复习分布式系统基础(如一致性、容错),梳理自己项目中与大模型结合的具体实践,准备关于向量检索算法(如HNSW)的原理简述

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,提供稳定的薪酬体系和完善的福利保障,在郑州地区具有较强竞争力,但非互联网大厂顶级高薪水平。

薪资信号市场水准 (2.0千–3.5万/月)

成长发展

90较高

职位直接涉及大模型Agent、RAG等最前沿技术,技术成长空间巨大,符合追求技术深度的求职者需求。

技术前沿前沿/新兴技术
技术栈LLM Agent、RAG、LangChain、LangGraph、向量检索、Python、Go
业务类型profit_center

工作生活

60中等

未明确提及弹性工作或远程办公,作为传统IT巨头的大模型部门,可能面临一定的交付压力,但相比纯互联网初创公司可能更规律。

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

致力于打造优秀的大模型产品体验,推动AI技术赋能业务,具有一定的社会价值和行业前瞻性。

行业发展高速增长赛道
社会影响中性/一般
使命信号致力于使用前沿技术打造优秀的大模型产品体验
创新程度积极采用新技术
Watch Jobs