TCL
AI应用开发工程师-27届
AI应用开发工程师-27届
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
N8N
Next.Js
Pytorch
Rag
Tensorflow
大模型应用
值不值得投
78综合评分
综合评分 78
知名企业校招、前沿AI全栈技术栈、业务场景丰富，技术成长空间大，WLB情况待确认。
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
1.5万
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 340 个在招
市场机会
选择不多
惠州 · 人工智能 · 1 个在招
职位详情
关于这个职位
该职位面向2027届毕业生，主要负责AI开发者平台的前后端开发与运维，涉及大模型应用工程化落地及智能体开发
你需要运用Python、React及主流深度学习框架，结合Dify等开源平台，为各业务场景提供高效、低成本的AI技术解决方案
最低要求
本科及以上学历，人工智能、软件工程、计算机科学与技术等相关专业
熟练掌握Python编程语言，熟悉FastAPI、Flask等后端框架，具备异步编程（asyncio）及RESTful API开发能力
熟悉React、Next.js等前端开发框架，了解React Hooks、状态管理及TypeScript类型系统等前端技术
熟悉TensorFlow、PyTorch等主流深度学习框架，了解分布式系统的基本原理或具备相关开发经验
熟悉Dify、n8n等开源平台或框架的开发流程，包括智能体开发、流程自动化、API调用及系统集成
熟悉PostgreSQL、MySQL等SQL数据库及SQLAlchemy等ORM工具，能够支持平台数据的存储与管理
熟悉Docker容器化技术，具备基本的Linux操作系统使用能力，能够完成应用的部署、运行维护及基础问题排查
具备良好的团队协作与沟通能力，积极主动，具有较强的学习能力、问题分析能力和环境适应能力
工作职责
使用Python等开发语言及相关框架（如FastAPI、Flask等），参与AI开发者平台的开发与运维
使用Docker等容器化技术，完成AI平台的开发、测试、部署及日常运维工作
理解主流大模型及开源框架的基本技术原理，结合业务场景，为高效、低成本的技术选型提供建议
跟踪AI领域（大模型、生成式AI、多模态等）的前沿技术动态，结合公司业务场景探索创新应用方向，参与编制技术可行性分析报告
熟悉使用AI开发者平台开展智能体开发、流程自动化及系统集成，参与优化模型推理效率与资源消耗，支持业务场景快速迭代
支持各业务领域AI应用的工程化落地，协助设计并实现安全、高可靠、高性能、可扩展的AI应用，满足业务需求
优先资格
有相关实习或项目经验者优先
具有大模型应用工程、智能体开发或RAG（检索增强生成）相关实习、项目开发及方案设计经验者优先
AI 洞察
优缺点分析
优点
- 技术栈非常前沿，涵盖大模型、智能体、RAG及全栈开发，能积累极具市场竞争力的AI工程化经验
- 依托丰富的业务场景，AI应用落地机会多，项目实战价值高，有利于快速提升解决复杂业务问题的能力
- 校招岗位通常有完善的培养体系，且公司平台大，履历认可度高
- 适合基础扎实、对大模型和AI应用充满热情，且具备较强自驱力和全栈开发潜力的2027届应届毕业生
缺点 / 挑战
- 岗位要求全栈能力（前后端+AI+运维），技术广度要求高，初期可能会面临较大的学习和适应压力
- AI技术迭代极快，需要持续跟踪前沿动态并快速应用到实际业务中，对持续学习能力要求较高
角色解读
- 从AI应用开发工程师起步，逐步深入大模型底层原理与分布式架构，成长为AI架构师或技术专家
- 随着AI技术在企业内部的全面落地，可向AI产品技术负责人或AI业务线技术总监方向发展
- 负责AI开发者平台的前后端开发与日常运维，使用Python、FastAPI及React等技术栈构建系统
- 结合Dify、n8n等开源平台进行智能体开发与流程自动化，推动大模型在各业务场景的工程化落地
- 跟踪大模型、生成式AI等前沿技术，进行技术选型与可行性分析，优化模型推理效率与资源消耗
- 扎实的Python后端开发能力，熟悉FastAPI/Flask及异步编程，同时掌握React/Next.js等前端框架
- 熟悉TensorFlow/PyTorch等深度学习框架，了解分布式系统原理及Docker容器化部署技术
- 具备大模型应用工程化经验，熟悉智能体开发、RAG技术及API集成，能独立解决系统部署与运维问题
申请策略
- 提前了解公司在AI领域的业务布局（如智能制造、智能终端等），在面试中结合具体业务场景阐述你的技术选型思路
- 重点突出大模型应用、智能体开发或RAG相关的项目经验，展示如何将AI技术转化为实际业务价值
- 详细列出全栈开发经历，特别是Python后端（FastAPI/Flask）与React前端的结合项目，以及Docker部署经验
- 强调在开源平台（如Dify、n8n）上的二次开发或集成经验，体现对AI工程化工具链的熟悉程度
- 深入学习大模型应用开发框架（如LangChain、LlamaIndex）及RAG优化策略，提升AI工程化落地能力
- 强化异步编程（asyncio）和容器化部署（Docker/K8s）的实战经验，确保能独立承担平台的开发与运维
面试指南
- STAR法则：针对项目经验题，按照情境(Situation)、任务(Task)、行动(Action)、结果(Result)结构化回答，突出个人贡献和技术难点解决
- 原理+实践：针对技术原理题，先简明扼要解释核心概念，然后结合具体代码或项目场景说明实际应用和踩坑经验
- 请介绍一个你参与过的大模型应用或智能体开发项目，遇到了哪些工程化挑战，是如何解决的？
- 在FastAPI中如何实现异步编程？与同步框架相比有什么优势？
- 如何优化RAG（检索增强生成）系统的检索准确率和生成质量？
- 请描述一下你使用Docker进行应用部署和日常运维的完整流程
- 面对大模型推理效率低或资源消耗大的问题，你有哪些优化思路？
- 复习Python异步编程、FastAPI/React核心机制，以及Docker常用命令和镜像构建原理
职位点评
薪资福利75
成长发展90
工作生活60
使命价值80
薪资福利
75中等
该岗位为校招AI开发岗，薪资在惠州当地具有较强竞争力，且福利体系相对完善，但受限于城市整体薪资水平，绝对值不及一线城市。
薪资信号未披露（AI估算：1.2千–1.8万/月）
成长发展
90较高
岗位涉及大模型、智能体等前沿AI技术，且依托丰富业务场景进行工程化落地，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈Python、FastAPI、React、TensorFlow、PyTorch、Dify、n8n、Docker、RAG、大模型
业务类型ambiguous
工作生活
60中等
JD未明确提及工作模式和加班情况，但作为校招技术岗且涉及平台运维，可能存在一定的发版或运维压力，WLB情况需进一步确认。
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
AI技术属于当前最具变革性的领域，推动AI在各业务场景落地具有较高的行业前景和技术使命感。
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