荣耀
AI系统工程全栈高级工程师 （大模型与Agent方向）
AI系统工程全栈高级工程师 （大模型与Agent方向）
发布于 2 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
Deepspeed
Lora
Pytorch
Rag
Sft
Tensorrt-Llm
Vllm
大模型微调
值不值得投
78综合评分
综合评分 78
巨头平台、前沿大模型与Agent技术栈、技术成长空间大，WLB未明确。
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
4万
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 320 个在招 · 其中人工智能 15 个
市场机会
选择适中
西安 · 人工智能 · 22 个在招
职位详情
关于这个职位
负责大模型及Agent系统的全栈研发，涵盖模型选型、微调、部署到智能体应用开发
推动AI技术与业务场景结合，优化模型效果与成本，构建可规模化推广的AI应用
最低要求
本科及以上学历，计算机、人工智能、软件工程、数学等相关专业，具备5年以上软件开发经验，有大模型、机器学习或智能应用相关项目经验
具备扎实的AI全栈技术能力，能独立完成从模型训练/调优、推理部署到Agent应用开发的端到端交付
熟悉主流大模型技术体系，深入理解Transformer、注意力机制、预训练、微调、对齐、推理等核心原理
熟练掌握Python，具备良好的工程开发能力
熟悉PyTorch、Transformers、vLLM、TensorRT-LLM、DeepSpeed、Ray等框架或工具
具备大模型微调与评测实战经验，熟悉LoRA、QLoRA、SFT、DPO、RLHF等方法，能针对业务数据设计训练和优化方案
熟悉RAG技术链路，包括文档解析、知识切分、Embedding、向量数据库、混合检索、重排序及答案评测优化
有Agent开发经验，熟悉主流Agent框架或开发模式，能完成工作流编排、工具调用、记忆管理、多智能体协作等复杂能力建设
熟悉模型服务化与云原生部署，具备Docker、Kubernetes、GPU资源调度、模型推理服务、高并发接口设计等实践经验
具备良好的系统设计能力和问题排查能力，能解决模型效果、性能、稳定性、成本及可观测性等复杂问题
具备优秀的沟通协作能力、业务理解能力和主人翁意识，能推动跨团队项目高质量落地
工作职责
负责大模型相关技术方案的设计、落地与持续迭代，覆盖模型层、平台层及应用层
负责开源及自研大模型的选型、部署、微调、评测与优化，包括SFT、LoRA/QLoRA、偏好优化、推理加速及成本优化等
负责智能体（Agent）系统的设计与开发，构建具备规划、记忆、反思、工具调用、多智能体协同等能力的复杂应用
推动大模型与业务场景深度结合，识别高价值落地机会，设计并交付可规模化推广的AI应用
优化大模型应用的效果、稳定性、响应速度及调用成本，建立数据闭环和持续评测机制
跟踪大模型、智能体、多模态、推理优化等前沿技术，结合实际业务完成技术预研和创新落地
与产品、算法、工程及业务团队紧密协作，沉淀可复用的AI技术组件、开发规范和最佳实践
AI 洞察
优缺点分析
优点
- 处于大模型与Agent技术前沿，能接触并落地最新AI技术，技术壁垒高
- 依托巨头企业平台，拥有丰富的业务场景和算力资源支持，利于技术验证与规模化
- 具备扎实工程能力且对大模型技术有热情，希望在实际业务中推动AI落地的资深开发者
缺点 / 挑战
- 大模型技术迭代极快，需要持续学习以保持技术领先，学习压力较大
- 全栈要求高，需同时兼顾模型效果、工程性能与业务落地，跨领域挑战大
角色解读
- 可向AI技术专家、大模型架构师或AI业务负责人方向发展
- 在AI落地应用中积累深厚业务理解，成为复合型AI领军人才
- 负责大模型及Agent系统的全栈研发，包括模型选型、微调、部署及智能体应用开发
- 推动AI技术与业务场景结合，优化模型效果、性能与成本，构建可规模化推广的AI应用
- 扎实的AI全栈能力，精通Python及主流大模型框架（PyTorch, vLLM等）
- 熟悉大模型微调（LoRA, SFT等）、RAG技术及Agent开发，具备云原生部署与高并发设计经验
申请策略
- 了解荣耀在AI及大模型领域的业务布局和产品应用，准备相关的技术预研或创新落地案例
- 突出大模型微调、RAG及Agent开发的实际项目经验与落地成果
- 展示端到端交付能力，包括模型部署、推理加速及云原生架构设计经验
- 深入学习主流Agent框架及多智能体协同机制
- 关注大模型推理加速（如vLLM, TensorRT-LLM）及成本优化技术
面试指南
- 采用STAR法则，重点突出技术选型的思考过程、解决复杂工程问题的方法以及最终的业务收益与量化指标
- 请分享一个你主导的大模型微调或Agent开发项目，遇到了哪些挑战及如何解决？
- 在RAG系统中，如何优化检索效果和答案生成的准确性？
- 如何评估和优化大模型推理服务的性能与成本？
- 在多智能体协同中，如何设计任务分配与记忆管理机制？
- 复习大模型核心原理（Transformer, 注意力机制）及主流微调/对齐算法
- 准备自己过往项目中的性能优化、成本降低等量化指标，以数据证明能力
职位点评
薪资福利85
成长发展90
工作生活50
使命价值80
薪资福利
85较高
巨头企业的高级AI岗位，薪资具备较强竞争力，但JD未明确披露具体薪资与福利细节。
薪资信号未披露（AI估算：3千–5万/月）
成长发展
90较高
岗位聚焦大模型与Agent前沿技术，能深度参与技术预研与创新落地，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、Transformers、vLLM、TensorRT-LLM、DeepSpeed、Ray、RAG、Agent、LoRA、SFT、DPO、RLHF、Docker、Kubernetes
成长机会技术预研、创新落地
业务类型profit_center
工作生活
50较低
JD未提及工作模式与WLB相关信息，作为高级研发岗，工作强度可能较大，生活平衡度一般。
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
80较高
推动AI技术在实际业务中的规模化落地，具有较高的行业前瞻性和技术使命感。
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