荣耀
AIGC 应用技术高级工程师 （智能创作方向）
AIGC 应用技术高级工程师 （智能创作方向）
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
Ai Agent
Aigc
Diffusion
Pytorch
Vllm
模型轻量化
计算机视觉
值不值得投
76综合评分
综合评分 76
头部终端厂商AIGC核心岗，技术栈前沿且成长空间大，薪资具竞争力，但工作强度与攻坚压力较高。
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
该职位主要负责AIGC图像与视频生成领域的前沿技术研究及AI Agent的方案设计与开发，同时涉及端侧手写识别业务的模型优化与工程化落地
你需要将大模型等前沿技术转化为产品能力，并推动团队AI工具与智能工作流的应用，提升研发效率与业务交付质量
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年以上的软件开发经验，需要有大模型、机器学习、及智能应用的相关开发经验
精通Agent开发框架，熟悉LangChain、AutoGen、LlamaIndex等Agent开发框架，能够基于这些框架进行业务应用的AI Agent产品开发及效果调优，能够完成端到端的开发交付
熟悉计算机视觉原理知识，熟练使用CNN、Transformer等架构，掌握图像视频生成基础算法，包括但不限于GAN、VAE、Diffusion等
具备小模型/算法的开发、调优能力，能够针对业务要求进行数据训练和方案优化
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
能够结合业务规模和服务要求，优化服务架构、资源利用率、推理性能和运行成本
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 等相关框架或工具
能够根据业务需要选择合适的技术方案，完成模型、工具与业务系统的集成
具备良好的系统设计、效果分析和问题定位能力，能够排查模型效果、数据质量、Agent 工作流、服务性能及系统稳定性等方面的问题
能够通过评测数据、日志和监控指标定位根因，推动问题闭环，并在效果、性能、成本与可维护性之间作出合理取舍
具备较强的业务理解、主动学习和沟通协作能力，对项目结果有责任感和主人翁意识
能够从用户需求与业务目标出发，主动提出技术迭代和流程优化建议，识别项目风险、推动跨团队协作，保障项目高质量落地
工作职责
负责 AIGC 图像与视频生成领域的前沿技术研究和竞品分析，持续跟踪学术界与产业界在大模型、AI Agent、多模态及推理优化等方向的技术进展
结合业务需求开展技术评估与方案验证，为产品创新和技术演进提供支持
负责视频创作业务相关 AI Agent 的方案设计、开发、集成与效果调优，围绕需求理解、任务规划、工具调用及创作工作流编排等环节构建智能应用
将适用的前沿技术转化为可交付的产品能力，持续提升创作效果、用户体验和业务竞争力
负责端侧手写识别业务的技术研究、模型选型和方案设计，结合业务需求开展数据处理、模型训练与调优
针对端侧算力、内存及功耗等资源约束，推进模型轻量化和推理优化，持续提升识别准确率、响应速度及运行稳定性
负责 AI 应用的效果评测与工程化落地，建立与业务目标相匹配的评测指标、测试场景和迭代机制
结合用户反馈及运行数据，持续优化任务完成率、生成质量、响应时延和资源成本，完善服务部署、运行监控、异常处理及数据安全机制，保障产品稳定交付
负责业务团队 AI 能力建设，结合团队业务场景和工作方式，识别并推动 AI 工具与智能工作流的应用
沉淀可复用的技术组件、实践方法和知识资产，通过技术分享与跨团队协作，提升团队研发效率和业务交付质量
AI 洞察
优缺点分析
优点
- 处于AIGC与大模型应用爆发的核心赛道，技术栈前沿，能积累极具竞争力的AI工程化经验
- 依托头部终端厂商的业务场景，拥有海量用户数据与端侧算力资源，技术落地空间广阔
- 岗位职责涵盖算法研究、工程部署到团队赋能，有助于培养全栈AI技术视野与架构能力
- 端侧模型轻量化与推理优化对算力、内存和功耗有严苛限制，技术攻坚难度高
- 需兼顾前沿技术探索与业务结果交付，在效果、性能、成本之间寻找最优解的平衡难度大
- 适合具备扎实算法基础与工程落地能力，对AIGC和AI Agent有浓厚兴趣，且能在快节奏中持续学习的高级技术人才
缺点 / 挑战
- AIGC技术迭代极快，需要持续跟踪学术界与产业界最新进展，学习压力与技术焦虑较大
角色解读
- 纵向可发展为AIGC与大模型领域的技术专家或首席科学家，主导核心算法架构
- 横向可向AI业务负责人或技术总监转型，统筹AI产品矩阵与团队技术能力建设
- 负责AIGC图像与视频生成、AI Agent工作流编排等前沿技术的方案设计与开发落地
- 推进端侧手写识别业务的模型轻量化、推理优化及工程化部署
- 建立AI应用效果评测体系，推动团队AI工具应用与智能工作流建设
- 精通LangChain、AutoGen等Agent开发框架，具备端到端AI Agent产品开发能力
- 熟悉CNN、Transformer、Diffusion等视觉与生成算法，掌握PyTorch、vLLM等深度学习框架
- 具备云原生部署经验，熟悉Docker、K8s及GPU资源调度，能进行模型推理服务优化
申请策略
- 了解荣耀在MagicOS及AI终端的最新战略布局，面试时结合其硬件业务场景探讨AIGC落地可能性
- 重点突出大模型、AI Agent框架（如LangChain）的实际项目经验及端到端交付成果
- 展示在计算机视觉、图像或视频生成（Diffusion等）或端侧模型轻量化方面的具体优化指标
- 强调云原生部署、高并发接口设计及GPU资源调度等工程化落地能力
- 深入学习多模态大模型及AI Agent工作流编排，掌握最新的推理加速框架（如vLLM、TensorRT-LLM）
- 补充端侧部署与模型压缩（量化、剪枝、蒸馏）知识，提升在资源受限环境下的优化能力
面试指南
- STAR法则：针对项目经验，清晰阐述背景、任务、具体行动（技术选型与优化手段）及量化结果
- 权衡分析法：针对效果与性能的冲突，展示你如何通过评测数据、日志监控定位根因，并在成本与收益间做出合理决策
- 请分享一个你主导的AI Agent项目，详细说明任务规划、工具调用及工作流编排的设计思路
- 在端侧算力受限的情况下，你是如何进行模型轻量化和推理优化的？具体指标提升了多少？
- 如何建立一套有效的AI应用效果评测体系？当生成质量与响应时延冲突时，你如何取舍？
- 在将前沿大模型技术转化为产品能力时，遇到过最大的工程化挑战是什么？如何解决的？
- 复习Transformer、Diffusion模型原理，以及LangChain/AutoGen等Agent框架的核心机制与最新特性
- 准备1-2个端侧模型部署或推理加速的实战案例，熟悉TensorRT、vLLM等工具的底层优化逻辑
职位点评
薪资福利80
成长发展90
工作生活50
使命价值75
薪资福利
80较高
作为头部终端厂商的高级技术岗，薪资在西安市场具备较强竞争力，且福利体系相对完善，但具体薪资数字未披露。
薪资信号未披露（AI估算：3千–5万/月）
成长发展
90较高
岗位涉及AIGC、大模型、AI Agent等前沿技术，且要求推动团队AI能力建设，技术成长与业务赋能空间极大。
技术前沿前沿/新兴技术
技术栈AIGC、AI Agent、LangChain、AutoGen、Diffusion、PyTorch、vLLM、TensorRT-LLM、Kubernetes
成长机会技术分享、跨团队协作、沉淀可复用的技术组件
业务类型profit_center
工作生活
50较低
JD未明确提及工作模式与WLB相关信息，但AIGC前沿技术研究与端侧优化攻坚通常伴随较高的工作强度。
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
75中等
AIGC与智能创作属于极具前景的新兴领域，推动AI技术落地能显著提升用户创作体验，具备一定的社会与行业价值。
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