传音
储能智能调度算法工程师(J19999)
储能智能调度算法工程师(J19999)
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机器学习工程
机器学习工程
Ai Agent
Langgraph
数据挖掘
时序预测
机器学习
负荷预测
值不值得投
80综合评分
综合评分 80
储能与AI大模型交叉赛道、技术前沿、成长空间大，适合追求技术深度与业务落地的资深算法工程师。
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
4万
与机器学习工程中位数基本持平
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 790 个在招 · 其中机器学习工程 9 个
市场机会
选择面较广
深圳 · 机器学习工程 · 82 个在招
职位详情
关于这个职位
该职位主要负责储能场景（户储/工商储）的智能调度策略设计与落地，通过数据挖掘和机器学习构建预测模型，提升系统能效与经济性
同时需结合大模型能力开发AI Agent工作流及智能客服，推动算法在垂直业务场景中的工程化应用
最低要求
本科及以上，计算机/数学/能源/电气相关专业，5年以上数据分析或算法工程经验
精通数据挖掘与数据分析，能独立完成从数据清洗到建模到业务落地的全流程
熟悉机器学习算法（回归、分类、时序预测、聚类等），有预测模型的实际落地经验
具备扎实的工程能力，能独立完成模型服务化、API对接、部署上线和性能调优
熟悉大模型应用开发（LangChain / LangGraph），能将其作为辅助工具应用于业务场景
工作职责
负责储能场景智能调度（户储 / 工商储）策略的设计、开发与落地，提升系统能效和经济性
针对储能业务场景，训练和优化业务模型，提升模型在垂直领域的准确率和可用性
搭建数据分析与挖掘流程，从设备运行数据、用户用电数据中提取规律，支撑调度策略优化和产品决策
基于数据分析结果，构建预测模型（负荷预测、电价预测、设备状态预测等），支撑智能调度决策
基于大模型能力，设计和搭建智能客服，设计并实现AI Agent工作流，编排多步骤、多工具协作的任务链路
AI 洞察
优缺点分析
优点
- 储能与AI大模型结合是当前极具前景的交叉赛道，技术壁垒高，行业处于高速增长期
- 能够接触从底层数据挖掘到上层AI Agent编排的全链路技术，个人技术栈广度与深度兼备
- 依托上市公司的平台资源，算法成果更容易在真实的户储/工商储业务场景中规模化落地
- 适合具备扎实算法基础、对新能源与AI大模型交叉领域有热情，且具备较强工程落地能力的高级算法人才
缺点 / 挑战
- 储能业务场景复杂，模型在实际物理系统中的落地和调优可能面临较多工程与业务挑战
- 需要同时兼顾传统机器学习预测与大模型Agent开发，对个人的技术广度和学习精力要求较高
角色解读
- 纵向可发展为算法专家或首席科学家，深耕储能与AI结合的垂直领域
- 横向可转型为AI产品技术负责人，统筹大模型在业务场景中的商业化落地
- 设计并落地储能场景（户储/工商储）的智能调度策略，优化系统能效与经济性
- 构建负荷、电价、设备状态等预测模型，从设备与用户数据中提取规律支撑决策
- 开发基于大模型的AI Agent工作流与智能客服，编排多步骤、多工具协作的任务链路
- 扎实的机器学习与时序预测算法能力，能独立完成数据清洗到模型落地的全流程
- 具备大模型应用开发经验（如LangChain/LangGraph），熟悉AI Agent工作流设计
- 具备扎实的算法工程能力，能独立完成模型服务化、API对接、部署上线和性能调优
申请策略
- 了解传音在新能源及储能领域的最新业务布局，面试时展现对公司新业务的理解与热情
- 重点突出时序预测、负荷/电价预测等与储能调度直接相关的模型落地项目
- 展示大模型应用开发经验，特别是LangChain/LangGraph及AI Agent工作流的实际案例
- 强调从数据清洗、模型训练到API部署上线的全流程工程化能力与性能调优经验
- 深入了解储能系统（户储/工商储）的业务逻辑与调度机制，补充能源领域专业知识
- 熟悉模型部署与性能调优工具，提升算法工程化与多工具协作的架构设计能力
面试指南
- STAR法则：针对项目经验，从背景、任务、行动（技术细节）到结果（业务指标提升）进行结构化回答
- 业务与技术结合：在回答算法问题时，务必结合储能业务场景（如峰谷电价、设备寿命）来阐述技术选型的合理性
- 请分享一个你主导的时序预测或负荷预测项目，你是如何处理数据并提升模型准确率的？
- 在储能调度场景中，如何平衡系统能效与经济性这两个可能冲突的目标？
- 你如何使用LangChain或LangGraph搭建AI Agent工作流？遇到过哪些多工具协作的难点？
- 模型从训练到服务化部署上线，你通常采用什么架构？如何进行性能调优？
- 复习时间序列分析、机器学习经典算法，并准备1-2个自己最擅长的预测模型落地案例
- 提前了解大模型Agent的最新进展，梳理自己使用LangChain等框架的实战经验与踩坑记录
职位点评
薪资福利85
成长发展90
工作生活60
使命价值80
薪资福利
85较高
作为已上市公司的核心算法岗，且要求5年以上经验及大模型技能，薪资预期处于市场中上水平，福利体系相对完善。
薪资信号未披露（AI估算：3千–5万/月）
成长发展
90较高
岗位涉及储能调度与大模型Agent开发，属于前沿技术交叉领域，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈机器学习、时序预测、LangChain、LangGraph、AI Agent、数据挖掘
业务类型profit_center
工作生活
60中等
JD未明确提及工作模式与WLB信息，但作为高级算法岗且涉及业务落地，可能存在一定的交付压力。
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
储能与智能调度直接助力新能源发展与双碳目标，具有较高的社会价值与行业前景。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
传音 的其他在招职位
相似职位推荐
Watch Jobs