TCL
AI初级开发工程师
AI初级开发工程师
发布于 2 天前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Ai Agent
Langgraph
Llm
Prompt Engineering
Rag
向量数据库
值不值得投
74综合评分
综合评分 74
上市巨头旗下的初级AI开发岗，聚焦大模型与智能体前沿技术，成长空间大，但WLB情况未知且有一定抗压要求。
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 · 昨天发布
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
该职位主要负责基于大语言模型（LLM）的智能体工程架构迭代与功能研发，协助完成业务工作流编排、RAG集成及AI智能体基础功能搭建
适合具备一定编程基础、对AI新技术有浓厚兴趣并希望深耕大模型应用落地的初级开发者
最低要求
本科及以上学历，计算机、人工智能、软件工程、数学、工业制造等相关专业均可
掌握Java、Python任意一门或两门编程语言，具备扎实的计算机基础、数据结构与算法基础知识，能独立完成基础代码编写与调试
具备良好的AI意识，了解大语言模型、AI Agent基础原理，接触过LangChain、LangGraph、智能体编排平台、RAG等相关技术者优先，无实战经验但愿意深耕AI技术也可
了解大模型智能体基础架构模式，对智能问答机器人、知识图谱、任务调度、AI落地场景有认知或项目实践、课程设计、竞赛经历者优先
极强的自主学习能力，对AI新技术、新框架抱有浓厚兴趣，能够主动钻研、快速适配技术迭代，愿意接受技术落地实战挑战
具备良好的团队协作意识与沟通表达能力，工作认真负责、主动性强，有良好的问题分析和解决思维，能抗压、自驱成长，适配团队协同开发节奏
工作职责
协助团队参与基于LLM的智能体工程架构迭代、功能研发及日常优化工作，配合完成项目落地的基础开发任务
学习并运用LangChain、LangGraph、smolagents等主流智能体框架，或Dify、FastGPT、Coze等智能体编排平台，协助完成业务工作流编排、AI智能体基础功能搭建及业务场景落地，助力提升系统易用性与稳定性
跟进学习RAG、Function Calling、提示词工程（Prompt Engineering）、MCP、技能插件（Skills）等AI核心技术，协助完成向量数据库的基础集成与调试，优化智能体检索、记忆及基础任务执行能力
参与项目全流程落地，配合团队完成需求梳理、基础技术方案落地、代码开发、功能测试及上线辅助工作，规范编写基础技术文档、开发日志，保障项目有序推进
优先资格
接触过LangChain、LangGraph、智能体编排平台、RAG等相关技术者优先
对智能问答机器人、知识图谱、任务调度、AI落地场景有认知或项目实践、课程设计、竞赛经历者优先
AI 洞察
优缺点分析
优点
- 处于AI大模型应用落地的核心赛道，能接触到LangChain、RAG、Agent等前沿技术
- 依托TCL及格创东智的工业互联网背景，有丰富的工业制造等实际业务场景供AI技术落地
- 团队注重技术迭代与实战，适合新人快速积累大模型工程化经验
- 作为初级岗位，前期可能较多承担基础开发和配合工作，独立负责核心架构的机会需时间积累
- 对AI大模型应用有浓厚兴趣，具备扎实编程基础，且愿意在工业互联网场景下深耕AI技术落地的初级开发者或优秀应届生
缺点 / 挑战
- AI技术迭代极快，需要持续投入大量业余时间学习新框架和新概念，学习压力较大
角色解读
- 从初级AI开发工程师起步，逐步深入大模型底层原理与复杂智能体架构设计
- 未来可向AI架构师、大模型应用专家或AI业务线技术负责人方向发展
- 参与基于大语言模型（LLM）的智能体工程架构迭代与功能研发，完成基础开发任务
- 运用LangChain、Dify等主流框架和平台，进行业务工作流编排和AI智能体功能搭建
- 学习并集成RAG、Function Calling等核心技术，优化智能体的检索与任务执行能力
- 扎实的Java或Python编程基础，熟悉数据结构与算法，能独立完成代码编写与调试
- 了解大语言模型及AI Agent基础原理，熟悉LangChain、RAG等主流AI开发框架和技术
- 具备极强的自主学习能力，能快速掌握AI新技术并应用于实际业务场景
申请策略
- 在面试前了解格创东智在工业互联网和智能制造领域的业务布局，思考AI技术如何赋能这些场景
- 突出Java或Python的编程能力，以及在数据结构与算法方面的扎实基础
- 详细列出与LLM、AI Agent、RAG相关的项目实践、课程设计或竞赛经历
- 展示对LangChain、Dify等框架的实际使用经验或源码阅读心得
- 深入学习LangChain、LangGraph等智能体框架，并尝试动手搭建一个完整的RAG或Agent应用
- 了解向量数据库（如Milvus、FAISS）的基本原理与集成调试方法
面试指南
- STAR法则：在回答项目经历或问题解决时，按照情境、任务、行动、结果的框架进行结构化表达
- 原理+实践：在回答技术问题时，先简述技术原理，再结合自己的动手实践或代码细节进行说明
- 请介绍一下你对大语言模型和AI Agent基础原理的理解，以及它们在实际业务中的应用场景
- 你在项目或课程中是如何使用LangChain或RAG技术的？遇到了哪些问题，如何解决的？
- 如果智能体的检索结果不准确，你会从哪些方面进行优化？
- 请描述一次你快速学习一项新技术（如新框架或新工具）并应用到实际任务中的经历
- 复习大模型基础概念、RAG流程、Prompt Engineering技巧以及向量数据库的工作原理
- 准备1-2个自己亲手实现的AI小项目（如基于Dify搭建的智能问答机器人），并能流畅演示和讲解
职位点评
薪资福利75
成长发展85
工作生活60
使命价值70
薪资福利
75中等
依托上市巨头企业平台，初级AI岗位薪资处于市场中上水平，福利体系相对完善，但具体薪资数字未在JD中披露。
薪资信号未披露（AI估算：1.2千–2万/月）
成长发展
85较高
岗位聚焦大模型与智能体等前沿AI技术，提供丰富的实战场景，技术成长空间大，但JD未明确提及具体的晋升通道或培训体系。
技术前沿前沿/新兴技术
技术栈LLM、AI Agent、LangChain、LangGraph、RAG、Function Calling、Prompt Engineering、向量数据库
业务类型ambiguous
工作生活
60中等
JD未明确说明工作模式与加班情况，但提到“能抗压”，暗示可能存在一定的工作强度，WLB情况无法准确判断。
工作模式未明确
办公地点科技园/产业园
加班情况JD含高强度暗示词
使命价值
70中等
依托TCL的工业互联网背景，AI技术落地于工业制造等实体产业，具有一定的产业赋能价值，但JD未强调社会使命。
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