TCL
智能体初级开发工程师
智能体初级开发工程师
发布于 3 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
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
前沿AI智能体开发岗、技术成长空间大、依托工业制造场景落地，适合追求技术深度的应届生或初级开发者。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
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 580 个在招 · 其中人工智能 6 个
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基础功能研发
你将学习并运用LangChain、RAG等主流AI技术，协助完成业务工作流编排与智能体场景落地，参与项目从需求到上线的全流程开发
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
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
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，无实战经验但愿意深耕AI技术也可
对智能问答机器人、知识图谱、任务调度、AI落地场景有项目实践、课程设计、竞赛经历者优先
AI 洞察
优缺点分析
优点
- 处于AI大模型与智能体应用爆发的风口，技术栈前沿，能积累极具竞争力的AI工程化经验
- 依托TCL及格创东智的工业互联网背景，有丰富的B端业务场景供AI技术落地实践
- 对实战经验要求包容，提供学习主流框架（如LangChain、Dify）的机会，适合AI新手快速入门
- 大模型技术迭代极快，需要持续保持高强度的自主学习以跟进新框架和新概念
- 作为初级岗位，前期可能较多承担基础开发与调试工作，需要耐心打磨工程化落地能力
- 适合对AI大模型应用充满热情、具备扎实编程基础且渴望在智能体工程化落地方向深耕的应届生或初级开发者
缺点 / 挑战
暂无明显挑战项
角色解读
- 从初级开发工程师成长为智能体架构的核心研发骨干，深入掌握大模型落地技术
- 未来可向AI算法工程师、大模型应用架构师或AI产品经理方向转型
- 参与基于大语言模型（LLM）的智能体工程架构迭代与基础功能研发
- 运用LangChain、RAG等主流AI技术，协助完成业务工作流编排与智能体场景落地
- 参与项目全流程，包括需求梳理、代码开发、功能测试及技术文档编写
- 扎实的Java或Python编程基础，以及数据结构与算法能力
- 了解大语言模型、AI Agent基础原理及RAG、Prompt Engineering等核心技术
- 具备极强的自主学习能力，能快速掌握LangChain、Dify等智能体框架与编排平台
申请策略
- 在面试中展现对AI落地场景的思考，结合格创东智的工业互联网背景，思考智能体在工业制造、供应链等场景的应用潜力
- 突出Java/Python编程能力、数据结构与算法基础，以及相关的课程设计或竞赛经历
- 展示对LLM、AI Agent、RAG等技术的理解，若有个人项目、开源贡献或相关技术博客请重点列出
- 强调快速学习能力与对AI新技术的敏锐度，体现自驱力与抗压能力
- 提前动手实践LangChain、LangGraph或Dify等智能体编排平台，跑通一个完整的RAG或Agent小项目
- 深入学习Prompt Engineering与向量数据库（如Milvus、FAISS）的基础原理与集成方法
面试指南
- STAR法则：在回答项目或学习经历时，按照情境、任务、行动、结果的逻辑展开，突出你的主动性和解决问题的能力
- 技术深度+业务思考：在回答技术问题时，不仅要说清技术原理，还要结合具体业务场景（如工业制造）说明技术选型的考量
- 请简述你对大语言模型（LLM）和AI Agent基础原理的理解，以及它们与传统软件的区别
- 如果让你使用LangChain或Dify搭建一个基于RAG的智能问答机器人，你会如何设计架构和处理流程？
- 在RAG系统中，如何解决检索不准确或大模型幻觉的问题？
- 请分享一个你快速学习新技术并应用到实际项目（或课程设计）中的经历
- 复习Java/Python基础、数据结构与算法，确保能独立完成基础代码编写与调试
- 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智能体如何赋能其实际业务
职位点评
薪资福利70
成长发展90
工作生活50
使命价值75
薪资福利
70中等
作为已上市企业的初级AI开发岗，薪资处于深圳市场中等偏上水平，福利体系相对完善，但初级岗位起薪有一定上限。
薪资信号未披露（AI估算：1.2千–2万/月）
成长发展
90较高
岗位聚焦大模型与智能体前沿技术，提供丰富的实战场景与主流框架学习机会，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈LLM、AI Agent、LangChain、LangGraph、RAG、Prompt Engineering、向量数据库、Dify、FastGPT
成长机会极强的自主学习能力、主动钻研、自驱成长
业务类型ambiguous
工作生活
50较低
JD未明确提及工作模式与加班情况，但AI大模型研发通常节奏较快，且JD中提及需要抗压能力。
工作模式未明确
办公地点科技园/产业园
加班情况JD含高强度暗示词
使命价值
75中等
依托TCL及格创东智的工业互联网背景，AI技术将赋能传统制造业数字化转型，具有较高的产业社会价值。
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
Watch Jobs