中科曙光
AI Agent工程师 - 行业应用（成都）(J13933)
AI Agent工程师 - 行业应用（成都）(J13933)
发布于 6 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
Ai Agent
Api开发
Llm
Prompt Engineering
Rag
云原生
多Agent协作
值不值得投
67综合评分
综合评分 67
前沿AI Agent技术开发岗，技术成长性强，但生活化动机信息不足。
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
比人工智能中位数低
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 540 个在招 · 其中人工智能 42 个
市场机会
选择适中
成都 · 人工智能 · 37 个在招
职位详情
关于这个职位
这个职位负责开发和落地AI Agent应用，面向行业场景进行需求分析和任务抽象，设计端到端的Agent系统，集成LLM、工具链和知识库，优化性能和体验，并推动从原型到生产的交付
需要扎实的Python编程、LLM应用开发经验和跨团队协作能力
最低要求
本科及以上学历，计算机、人工智能、软件工程等相关专业
熟练掌握Python，并熟悉Golang或TypeScript中的至少一种，具备良好的后端开发和系统集成能力
熟悉LLM应用与Agent架构，理解Prompt Engineering、RAG、Tool Use、记忆机制和多Agent协作
熟悉LangGraph、LangChain、LlamaIndex、AutoGen等至少一种框架，具有真实业务场景的Agent开发经验
具备API、数据库、消息队列、Docker及基本云原生能力，能够独立完成应用调试和生产问题定位
具备业务理解、需求抽象和跨团队协作能力，能够推动方案从原型走向生产
工作职责
面向行业及通用场景开展需求分析，将业务目标抽象为Agent任务、工作流、工具链和可验收的产品能力
设计并开发端到端AI Agent应用，包括规划执行、状态与记忆管理、多Agent协作及异常兜底机制
集成Skill、MCP、Tool、知识库、企业系统及AI4S模型能力，完成Prompt、工作流和交互体验优化
建立场景评测集与线上监控，持续优化任务成功率、准确性、稳定性、时延和成本
完成应用的服务化、部署、调试和生产问题定位，保障真实业务环境下的可用性
与产品、能力组件、平台及FDE团队协作完成PoC和生产落地，沉淀可复用的行业方案和工作流模板
优先资格
有行业智能化、AI4S、HPC、科研计算等Agent产品生产落地经验
AI 洞察
优缺点分析
优点
- 专注于前沿的AI Agent技术，能积累LLM应用和多Agent协作的实战经验
- 涉及行业场景落地，有助于理解业务并提升解决方案设计能力
- 与跨团队协作，可以锻炼沟通和推动项目从原型到生产的能力
- AI Agent技术发展迅速，需要持续学习新框架和工具以保持竞争力
- 适合对AI Agent技术有浓厚兴趣、具备Python开发经验、喜欢解决复杂业务问题并能跨团队协作的求职者
缺点 / 挑战
- 生产环境下的调试和问题定位可能面临复杂性和高压力
- 需求分析和跨团队协作要求较高的业务理解和沟通技巧
角色解读
- 从AI Agent开发工程师成长为技术专家或架构师，负责更复杂的系统设计
- 转向AI产品管理或解决方案架构，推动行业AI应用落地
- 深耕特定行业（如科研计算、智能制造），成为领域AI专家
- 分析行业需求，将业务目标转化为可执行的AI Agent任务和工作流
- 设计开发端到端的AI Agent应用，包括规划、记忆管理和多Agent协作
- 集成LLM、工具链、知识库等能力，优化交互体验和性能
- 建立评测和监控机制，确保应用在生产环境中的稳定性和可用性
- 熟练使用Python进行后端开发和系统集成
- 深入理解LLM应用和Agent架构，掌握Prompt Engineering、RAG、Tool Use等技术
- 熟悉LangChain、LlamaIndex等至少一种AI Agent框架，并有实际项目经验
- 具备Docker、云原生基础和数据库、消息队列的使用能力
申请策略
- 研究中科曙光在AI和行业应用方面的布局，了解公司业务方向以匹配岗位需求
- 准备展示项目经验的案例，尤其是Agent应用优化、问题解决和团队协作的具体例子
- 突出Python开发经验和至少一种AI Agent框架（如LangChain）的使用案例
- 强调LLM应用项目，特别是涉及Prompt Engineering、RAG或多Agent协作的部分
- 展示从需求分析到生产落地的完整项目经历，体现业务理解和技术落地能力
- 列出相关技术栈如Docker、数据库、API开发经验
- 深入学习Agent架构设计，如规划执行、状态管理等，可参考LangGraph等框架文档
- 实践构建端到端AI Agent应用，通过开源项目或模拟业务场景练手
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化回答项目经验问题
- 从需求分析、架构设计、技术选型、优化迭代等方面展开讨论系统设计问题
- 强调数据驱动的优化思路，如评测集建立、监控指标设定和持续改进
- 请描述一个你开发的AI Agent应用项目，遇到的最大挑战和解决方案
- 如何设计一个多Agent协作系统来处理复杂业务流程？
- 在生产环境中，你如何监控和优化AI Agent的性能和成本？
- 如果业务需求发生变化，你如何调整Agent工作流或工具链？
- 复习AI Agent核心概念，如Prompt Engineering、RAG、多Agent协作机制
职位点评
薪资福利60
成长发展85
工作生活50
使命价值75
薪资福利
60中等
职位未明确提及薪资福利，但基于岗位要求和城市市场，可能提供中等偏上的薪资水平，稳定性取决于公司政策。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
85较高
职位涉及前沿AI Agent技术，提供技能成长和行业应用落地经验，有利于职业发展。
技术前沿前沿/新兴技术
技术栈LLM、AI Agent、LangChain、RAG、Prompt Engineering、Docker
业务类型ambiguous
工作生活
50较低
工作地点明确在成都，但未提及办公模式、WLB或加班情况，生活化动机满足程度有限。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
AI领域为高速增长赛道，职位推动行业应用落地，具有一定社会价值和创新性。
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