TCL
AI开发工程师
AI开发工程师
发布于 13 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
Autogpt
Llamaindex
Prompt工程
大语言模型
数据标注
模型微调
值不值得投
69综合评分
综合评分 69
聚焦AI Agent训练与微调的初级技术岗，技术栈前沿、成长空间大，但薪资细节与工作模式未明确。
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
1.6万
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 430 个在招
市场机会
选择面较广
深圳 · 人工智能 · 约 130 个在招
职位详情
关于这个职位
该职位主要负责AI Agent智能体的基础训练、微调与迭代优化，参与训练数据的整理与清洗，并协助算法团队进行场景化落地测试
你需要掌握大语言模型及Agent框架的基础知识，通过Prompt工程和数据处理提升智能体任务执行的准确性与稳定性
最低要求
具备扎实的人工智能、机器学习基础理论知识，了解大语言模型、生成式AI基本原理，对AI Agent智能体技术有清晰认知，了解Agent自主决策、工具调用、记忆机制、任务拆解等核心能力逻辑
熟悉至少一种主流Agent框架或大模型微调工具，了解LangChain、AutoGPT等框架的基础使用逻辑，掌握基础的Prompt工程，能够独立编写、优化Agent任务提示词
掌握Python基础语法，能够完成简单的数据处理、脚本调试工作，可辅助完成训练数据批量处理、模型微调辅助工作
具备基础的数据标注、数据清洗能力，了解AI模型训练、测试的基本流程和评价指标，能够精准识别Agent运行过程中的各类问题
具备基本的技术文档撰写能力，可清晰梳理训练流程、问题细节、优化方案，输出标准化报告
工作职责
负责AI Agent智能体的基础训练、微调、迭代优化工作，协助搭建Agent感知、决策、执行全流程训练体系，保障智能体任务执行的稳定性与准确性
参与Agent训练数据集的整理、清洗、标注、扩充工作，针对对话交互、任务拆解、工具调用等Agent核心能力，优化训练数据质量，剔除无效、噪声数据，构建标准化训练素材库
跟进AI Agent训练全流程，记录训练参数、训练日志，分析训练过程中的问题，针对智能体回答偏差、任务执行失败、逻辑混乱、多轮对话断层等问题，配合算法团队优化训练策略
协助完成Agent智能体的场景化落地测试，覆盖办公协作、智能问答、自动化任务处理等应用场景，输出训练测试报告、问题复盘报告，持续迭代优化Agent性能
学习并跟进主流Agent技术框架（如AutoGPT、LangChain、LlamaIndex等），整理技术文档、训练规范、操作手册，沉淀标准化的AI Agent训练流程与方法论
配合产品、算法、研发团队，落地Agent功能迭代需求，完成新功能、新能力的专项训练与适配调试，保障产品迭代效率
AI 洞察
优缺点分析
优点
- 处于AI大模型与Agent技术的最前沿，能够接触到LangChain、AutoGPT等热门技术栈
- 依托TCL集团及格创东智的产业背景，有丰富的办公协作、自动化等真实业务场景落地机会
- 岗位职责清晰，从数据清洗到模型微调再到场景测试，能建立完整的AI Agent开发认知体系
- 岗位偏向基础训练与数据处理，初期可能需要处理大量枯燥的数据标注与清洗工作
- AI Agent技术迭代极快，需要保持高强度的持续学习以跟进最新的框架与论文
- 适合对AI大模型和Agent技术有浓厚兴趣，具备一定Python和机器学习基础，希望在前沿AI应用领域快速积累实战经验的初级开发者或应届生
缺点 / 挑战
暂无明显挑战项
角色解读
- 从基础的Agent训练与数据处理做起，逐步深入大模型微调与复杂Agent架构设计
- 未来可向AI算法工程师、大模型应用架构师或AI产品经理方向发展
- 负责AI Agent智能体的基础训练、微调与迭代优化，保障智能体任务执行的稳定性与准确性
- 参与训练数据集的整理、清洗、标注与扩充，优化训练数据质量，构建标准化训练素材库
- 跟进训练全流程，分析并解决智能体回答偏差、逻辑混乱等问题，配合算法团队优化训练策略
- 协助完成Agent在办公协作、智能问答等场景的落地测试，并整理技术文档与操作手册
- 扎实的人工智能与机器学习基础，熟悉大语言模型及生成式AI基本原理
- 熟悉LangChain、AutoGPT等主流Agent框架，掌握Prompt工程与提示词优化
- 掌握Python基础语法，具备数据处理、脚本调试及数据标注、清洗能力
- 具备良好的技术文档撰写能力，能清晰梳理训练流程并输出标准化报告
申请策略
- 在求职信或面试中，可以主动分享你对当前主流Agent框架（如AutoGPT）的理解或改进思路，展现技术热情
- 突出在机器学习、大语言模型或自然语言处理相关的项目经验，尤其是涉及Prompt工程或Agent框架的实践
- 展示Python数据处理能力，如有Kaggle比赛、数据清洗或自动化脚本开发经验请务必列出
- 强调技术文档撰写能力或过往项目中的标准化流程沉淀经验
- 深入学习LangChain或LlamaIndex框架，尝试自己搭建一个简单的AI Agent应用并开源
- 系统学习Prompt Engineering，掌握Few-shot、CoT等高级提示词技巧
面试指南
- STAR法则：针对排查和优化问题，按照情境(Situation)、任务(Task)、行动(Action)、结果(Result)的结构来回答，突出你的分析逻辑和解决能力
- 原理+实践：在回答Agent机制或Prompt优化时，先简述底层原理，再结合你实际做过的项目或Demo说明具体操作和效果
- 请简述你对AI Agent自主决策、工具调用和记忆机制的理解
- 在使用LangChain或类似框架时，你是如何优化Prompt以提高Agent任务执行准确率的？
- 如果Agent在多轮对话中出现逻辑混乱或任务执行失败，你会如何排查和优化？
- 请分享一个你使用Python进行数据处理或脚本调试的实际案例
- 提前了解格创东智的业务方向（工业互联网、智能制造），思考AI Agent如何赋能这些场景
- 复习大语言模型的基础知识，并亲手跑通一个基于LangChain的Agent Demo，以便在面试中能有具体的细节可聊
职位点评
薪资福利65
成长发展85
工作生活50
使命价值75
薪资福利
65中等
JD未明确披露薪资与福利细节，但依托已上市巨头企业的背景，整体薪酬与稳定性预期处于市场中上水平。
薪资信号未披露（AI估算：1.2千–2万/月）
成长发展
85较高
岗位聚焦前沿的AI Agent与大模型技术，技术栈现代且成长空间大，能接触到完整的训练与落地流程。
技术前沿前沿/新兴技术
技术栈AI Agent、大语言模型、LangChain、AutoGPT、LlamaIndex、Prompt工程、Python
业务类型ambiguous
工作生活
50较低
JD未提及工作模式与加班情况，无法判断WLB，但通常科技公司的研发岗位需要一定的抗压能力。
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
75中等
身处高速增长的人工智能赛道，推动Agent技术在办公协作、自动化等场景的落地，具有一定的技术使命感。
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