中科曙光
AI Agent工程师 - 组件与评测（天津）(J13884)
AI Agent工程师 - 组件与评测（天津）(J13884)
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
Api开发
Llm
Mcp协议
Rag
人工智能
容器技术
评测体系
值不值得投
70综合评分
综合评分 70
技术前沿、成长性强，但WLB信号不足，侧重系统架构与评测的AI Agent核心开发岗。
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
2.3万
比人工智能中位数高
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 470 个在招 · 其中人工智能 42 个
市场机会
选择适中
天津 · 人工智能 · 23 个在招
职位详情
关于这个职位
该职位是中科曙光的AI Agent工程师，专注于组件化建设与评测体系构建
你需要负责从Skill开发、工具连接到RAG知识库的全栈技术实现，并搭建一套完整的质量评测体系，以支撑AI Agent在复杂业务场景下的稳定、高质量运行
这是一个深入AI应用底层架构、对系统设计和工程质量有高要求的岗位
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：直接参与构建下一代AI应用的基础设施（Agent、RAG），技术栈先进且深入
- 系统性强：工作涉及从组件设计、开发、集成到评测的全生命周期，能获得完整的系统构建经验
- 行业应用结合：有机会接触AI4S等高端科学计算场景，将技术与实际产业需求结合
- 公司平台：中科曙光在计算与AI领域有深厚积累，提供稳定的技术研究和项目落地平台
- 技术复杂度高：需同时处理LLM应用、分布式系统、检索算法、自动化评测等多个技术领域的交叉问题
- 设计要求高：构建的组件需具备高复用性、可观测性和健壮性，对软件工程和架构设计能力要求严苛
- 对AI Agent底层架构和工具生态有浓厚兴趣，具备扎实的后端开发功底和系统设计能力，追求在技术深度和工程化上有所建树的工程师
缺点 / 挑战
- 评测体系建设难：为Agent这种动态系统建立科学、有效的评测指标和自动化回归体系是一项开创性挑战
角色解读
- 技术深耕：成为AI Agent架构专家，专注于智能体平台、工具生态或评测标准的制定
- 领域拓展：结合AI4S方向，深入特定科学计算领域，成为行业AI解决方案的技术负责人
- 技术管理：在积累足够项目经验和团队协作后，可向技术团队负责人或架构师方向发展
- 设计并开发可复用的AI Agent技能（Skill）和工具连接器，实现外部服务标准化接入
- 构建企业级知识库和RAG系统，负责从数据处理到检索重排的全流程
- 建立AI Agent的组件评测体系，量化评估系统在真实场景中的任务完成质量和效果
- 将科学计算（AI4S）模型与工具进行Agent化封装，并编排其工作流
- 精通Python及至少一门后端语言（Golang/TypeScript），具备扎实的SDK与API开发能力
- 深入理解LLM原理与Agent架构，熟悉Function Calling/Tool Use、MCP协议及RAG全流程
- 拥有Elasticsearch、向量数据库（Milvus/Qdrant等）的实战经验，能设计高效检索系统
- 具备系统工程思维，熟悉容器、异步调度，并有构建自动化测试与质量评测体系的经验
申请策略
- 在面试中，展现你对'组件化'和'评测'的深入思考，如何平衡通用性与特定场景性能
- 主动了解中科曙光在AI和计算领域的布局，思考该岗位如何与其战略结合
- 突出与Agent/RAG/工具链开发相关的项目经验，详细描述你如何设计Skill、连接器或检索系统
- 强调Python/Go/TS的工程实践，展示编写高质量、可复用SDK或服务的能力
- 提供自动化测试、Tracing或评测体系建设的具体案例，体现你的质量保障思维
- 如有AI4S、HPC或复杂系统集成经验，务必重点突出，这是显著的加分项
- 深入研究MCP协议的具体规范与实现案例，这是该岗位的核心技术点
- 动手实践构建一个端到端的RAG或Agent评测Pipeline，涵盖指标设计和自动化执行
面试指南
- 对于架构设计问题，采用“背景-目标-方案-细节-结果”的结构，突出设计决策和权衡
- 对于评测问题，从“覆盖维度（如功能、性能、鲁棒性）- 指标定义 - 数据集构建 - 自动化执行”分层阐述
- 对于集成问题，重点关注“异步处理、状态管理、错误重试、资源监控”等工程实践
- 请描述你设计过的一个可复用的AI Agent Skill或工具连接器，其架构是怎样的？解决了什么问题？
- 如何为一个多步骤、涉及外部调用的Agent任务设计有效的评测指标和评测集？
- 在RAG系统中，如何优化检索结果的质量？请结合混合检索和Rerank技术谈谈你的经验
- 如果需要集成一个运行时间长、依赖外部计算资源的科学计算模型作为Agent工具，你会如何设计其封装和任务编排？
- 你如何看待MCP协议在构建Agent生态中的作用？
职位点评
薪资福利65
成长发展85
工作生活55
使命价值75
薪资福利
65中等
该职位薪资水平预计处于天津市场中上，但JD未披露具体薪资和福利，补偿性信息有限。
薪资信号面议 (1.5千–3万/月)
成长发展
85较高
职位涉及AI Agent、RAG、MCP等前沿技术栈，技能要求高，且涉及体系化建设，个人技术成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RAG、MCP、Elasticsearch、Embedding、Rerank
成长机会沉淀组件规范、最佳实践
业务类型ambiguous
工作生活
55较低
工作地点在天津，生活成本相对较低。但JD未提及任何工作模式、弹性工作或WLB相关信息，无法判断其实际工作强度。
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 Agent与科学计算（AI4S）结合具有较高的行业应用价值和社会意义，属于推动产业智能化的前沿领域。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号为行业应用...提供可复用能力
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