传音
高级AI软件开发工程师（硬件研发效能方向）(J19599)
高级AI软件开发工程师（硬件研发效能方向）(J19599)
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
Prompt Engineering
Rag
向量数据库
大模型部署
值不值得投
68综合评分
综合评分 68
前沿AI工程岗位，技术深度好、业务价值明确，发展性强，但工作模式和WLB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
3.5万
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 400 个在招 · 其中人工智能 15 个
市场机会
选择面较广
上海 · 人工智能 · 约 310 个在招
职位详情
关于这个职位
此职位聚焦于将前沿AI技术（如Agent、RAG）深度应用于手机等智能硬件的研发效能提升
你需要基于LangChain等框架，主导构建硬件研发领域的垂直知识库和AI智能体（Agents），并负责开源大模型的部署与优化
工作核心是将AI能力封装成高可用的API或插件，无缝嵌入现有研发流程，赋能硬件工程师，打造高效的“AI超级个体”
最低要求
学历与经验：本科及以上学历，计算机或人工智能相关专业
具备 3 年以上软件研发经验，且包含至少 1 年以上 AI 应用 / LLM 落地实战经验
编程基础：精通 Python，具备极高的代码质量要求
熟悉 Java 或 Go
熟练使用 Docker/Kubernetes，具备良好的 CI/CD 习惯
AI 核心技能：
深入理解主流大模型（GPT-4、Claude 3、Qwen 等）的特性
熟练掌握 LangChain 等 Agent 框架，精通 Prompt Engineering
对 RAG 原理有深刻认知，具备生产环境下的链路优化经验，熟练使用主流向量数据库
熟悉或参与过 Dify、FastGPT、AutoGen、CrewAI 等开源平台/框架的二次开发
综合素质：
具备优秀的产品思维与同理心，能从用户痛点出发设计 AI 产品
具备全局观和跨部门沟通能力，能独立推进项目落地
日常重度使用各类 AI 效率工具（如 Cursor、claudecode 等），对前沿技术保持极高的敏感度和热情
工作职责
核心 AI 能力建设（Agent & RAG）：
基于 LangChain 等主流框架，深度结合硬件研发场景，开发高可用的 AI Skills 与 Agents，实现精准的意图识别、任务规划与工具调用
主导构建硬件工程垂直领域知识库（涵盖设计规范、测试标准、BOM 数据等），持续优化数据清洗、分块与检索链路，利用 Milvus/Chroma 等向量数据库提升 RAG 系统的检索精度与生成质量
模型工程与业务融合：
负责开源大模型的本地化部署、推理加速及版本管理
基于业务数据进行 Prompt 调优与 SFT，建立模型选型与效果评估体系
将 AI Skills/Agents 封装为高可用的 API 或插件，无缝嵌入现有的研发工作流，与内部业务系统进行深度打通
产品体验与团队赋能：
具备产品 Owner 意识，主动调研业务线各环节的痛点，规划 Skill 开发优先级与产品路线图，建立数据监控与用户反馈闭环，持续迭代体验
作为 AI 技术的布道者，将成熟的外部 AI Skill 引入内部并沉淀为组织经验
组织培训与推广，赋能业务骨干，与硬件工程师共同打造高效的“AI 超级个体”
优先资格
加分项：
熟悉手机制造或智能硬件研发流程（如堆叠设计、基带射频、BOM 验证等），自带硬件行业 Know-how
AI 洞察
优缺点分析
优点
- 技术栈前沿且实用，直接接触AI Agent、RAG等当前最热门的应用方向，技术成长性强
- 应用场景明确且具体（硬件研发效能），AI技术能产生可量化的业务价值，项目成就感高
- 公司支持创新与技术布道，有机会从0到1构建体系并赋能组织，发挥影响力
- 技术迭代快，需持续跟进大模型、Agent框架的最新进展，并快速应用于复杂的硬件研发场景
- 需深入理解硬件研发流程（如BOM、射频等）这一陌生领域，学习曲线较陡峭
- 适合拥有扎实AI工程化经验（尤其是Agent/RAG方向），同时具备一定产品思维和探索热情的软件工程师
- 如果你对将AI应用于实体产业、解决具体工程问题感兴趣，并乐于沟通和赋能他人，这个岗位会很有吸引力
缺点 / 挑战
- 作为AI布道者，需要推动技术落地并改变传统工程师的工作习惯，可能面临跨部门协作与推广的挑战
角色解读
- 技术专家路线：深耕AI工程与垂直领域结合，成为AI平台架构师或智能研发效能领域的专家
- 技术管理路线：带领小型AI工具团队，负责更大范围的研发效能提升或AI产品规划
- 业务融合路线：凭借深厚的硬件行业理解与AI技术，转向更综合的技术产品经理或解决方案专家角色
- 设计和开发用于硬件研发场景的AI Agent与RAG系统，将大模型能力转化为具体的生产力工具
- 负责从大模型部署、优化到封装成可集成插件的全流程工程化工作，确保AI能力稳定高效落地
- 扮演AI产品经理角色，洞察业务痛点，规划产品路线图，并推动AI工具在硬件研发团队中的普及与使用
- 扎实的AI工程能力，包括大模型应用开发、Prompt Engineering、RAG链路优化及Agent框架使用（如LangChain）
- 过硬的软件开发与部署能力，精通Python，熟练使用容器化与云原生技术（Docker/K8s）保障系统高可用
- 优秀的产品思维与沟通能力，能连接技术与业务，独立推动项目从概念到落地的闭环
申请策略
- 在简历或求职信中，明确表达你对“AI赋能实体产业”的理解和热情，这与该职位的核心价值高度契合
- 可以准备一个简短的分析：基于你的理解，硬件研发的哪个环节最有可能用Agent/RAG提效？并简述思路
- 突出任何基于LLM/RAG/Agent的完整项目经验，最好能体现从需求分析、技术选型到落地优化的全流程
- 详细描述你在大模型部署、性能优化（如推理加速）、或与业务系统集成方面的工程实践
- 如有硬件、制造行业背景或对相关领域的了解，务必强调
- 即使没有，也可突出快速学习复杂业务领域的能力
- 系统学习并实践LangChain、AutoGen等Agent开发框架，以及Milvus/Chroma等向量数据库
- 深入了解手机或智能硬件研发的关键流程（如ID设计、结构堆叠、BOM管理），可以阅读行业报告或课程
面试指南
- 采用STAR法则（情境、任务、行动、结果）来结构化回答技术项目问题，重点突出你的技术决策和量化成果
- 对于场景设计问题，先拆解业务流程，识别痛点，再对应选择技术组件（如检索、规划、执行），体现产品思维
- 对于推广和落地问题，强调理解用户、建立价值闭环（监控反馈）、提供培训支持等软性能力
- 请描述你构建过的最复杂的RAG系统或Agent应用，遇到了哪些关键挑战（如检索精度、任务规划），你是如何解决的？
- 如果让你为一个硬件研发场景（如BOM物料校验）设计一个AI Agent，你的技术方案会是什么？
- 在推动AI工具落地时，如果遇到业务方不积极使用的情况，你会如何处理？
- 你如何看待LangChain这类框架的优缺点？在生产环境中使用时需要注意什么？
- 你日常使用哪些AI效率工具？请分享一个你用它们显著提升工作效率的具体例子
职位点评
薪资福利65
成长发展85
工作生活50
使命价值70
薪资福利
65中等
职位属于高级技术岗，技能要求明确且有壁垒，市场竞争力应属中上。但未明确披露薪资，最终报酬需在面试中确认。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
85较高
职位要求深入掌握当前最前沿的AI应用技术栈（Agent, RAG, LLM），并应用于实体产业场景，技术成长路径清晰。同时，产品Owner和技术布道者的角色提供了超越纯技术开发的职业发展维度。
技术前沿前沿/新兴技术
技术栈LangChain、RAG、Agent、Prompt Engineering、Milvus、Chroma、LLM、Docker、Kubernetes
成长机会持续优化、建立模型选型与效果评估体系、沉淀为组织经验、组织培训与推广
业务类型ambiguous
工作生活
50较低
工作地点在上海，为现场办公模式。未提及任何关于工作弹性、福利或工作生活平衡的信息。
工作模式仅现场办公
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
将AI技术应用于提升硬件研发效率，具有明确的产业价值和效率提升目标。作为“AI超级个体”的赋能者，能带来推动技术普及的使命感。
行业发展稳定成熟行业
社会影响中性/一般
使命信号赋能业务骨干、打造高效的“AI超级个体”
创新程度积极采用新技术
Watch Jobs