TCL
AI应用开发工程师
AI应用开发工程师
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
Autogen
Langgraph
Prompt Engineering
Rag
大模型应用
值不值得投
74综合评分
综合评分 74
上市巨头核心AI业务线、前沿大模型技术栈、导师制培养，薪资具竞争力但WLB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
2.2万
比人工智能中位数高
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
这是一个聚焦Python工程与AI服务架构落地的初级岗位，你将参与公司核心AI应用的设计与建设，负责模型能力封装、智能体开发及服务编排等工作
在导师带领下，你将推动AI能力从单点验证走向产品化落地，未来可向资深AI工程师或架构师方向发展
最低要求
学历专业：硕士学历，计算机、人工智能等相关专业
Python工程能力：熟练掌握Python编程，了解Web服务框架（如FastAPI、Flask），具备基本的接口开发与异常处理能力
AI基础认知：对大模型应用的基本工程范式（Prompt、RAG、Agent、Tool Use等）有基础理解，有相关课程项目或实习经验者优先
学习与自驱力：对AI技术有强烈兴趣，具备快速学习新技术的能力，愿意深入钻研智能体、服务编排等方向
问题分析与协作：具备基本的代码调试与问题定位能力，良好的团队沟通与协作意识
工作职责
Python后端开发：参与AI应用后端服务的设计、开发与维护，基于Python构建稳定的模型服务与智能体服务，完成模块化设计与服务联调
智能体（Agent）开发：参与面向业务场景的智能体系统开发，在多轮对话、任务拆解、状态流转、工具调用等方向上进行功能实现与优化
架构与规范沉淀：在导师指导下参与AI服务架构设计，协助完成接口规范、工程规范的整理与落地，沉淀通用组件文档
效果评测与优化：建立AI应用效果评测机制，从准确率、响应时延等维度进行持续迭代优化，学习并实践RAG、工作流编排等增强技术
优先资格
了解智能体核心机制（状态机、记忆机制、任务规划、多智能体协同等）
接触过任意AI应用开发框架（如Dify、LangGraph、AutoGen等）
了解消息队列、缓存、数据库等后端基础组件
有大模型API调用经验或个人AI项目/比赛经历
有技术文档撰写或团队分享经验
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，技术栈前沿（Agent、RAG、LangGraph等），能快速积累大模型工程化经验
- 有导师带领，适合应届生或初级工程师快速成长，且公司平台大，业务场景丰富，利于技术落地
- 大模型应用工程化仍处于快速迭代期，需要持续学习新技术以应对框架和范式的快速变化
- 作为初级岗位，前期可能面临较多基础开发与规范沉淀工作，需要耐心打磨工程能力
- 适合计算机或AI相关专业硕士毕业生，或对大模型应用开发有强烈兴趣、具备扎实Python基础且渴望在AI工程化方向深耕的初级开发者
缺点 / 挑战
暂无明显挑战项
角色解读
- 初期在导师带领下完成从单点验证到产品化落地的工程实践，积累AI服务架构与工程规范经验
- 未来可向资深AI工程师、AI架构师方向纵深发展，或转型为AI技术专家
- 负责基于Python的AI应用后端服务开发，构建稳定的模型与智能体服务，完成模块化设计与联调
- 参与面向业务场景的智能体系统开发，优化多轮对话、任务拆解、状态流转与工具调用
- 在导师指导下参与AI服务架构设计与规范沉淀，建立效果评测机制并持续迭代优化
- 熟练掌握Python编程及FastAPI/Flask等Web框架，具备扎实的接口开发与异常处理能力
- 对大模型应用范式（Prompt、RAG、Agent等）有基础理解，了解智能体核心机制及主流AI开发框架
- 具备良好的代码调试、问题定位能力与团队协作意识，能快速学习新技术
申请策略
- 准备一份技术文档或博客链接，展示你的技术总结与分享能力，这在JD中是明确的加分项
- 了解TCL在AI及智能制造领域的业务布局，面试时结合业务场景谈谈AI落地的想法与见解
- 突出Python后端开发经验及FastAPI/Flask等框架的实际项目经历，展示接口设计与异常处理能力
- 详细展示在大模型应用（如RAG、Agent、Prompt）方面的课程项目、实习经验或个人开源项目
- 强调对智能体机制、主流AI框架（Dify、LangGraph等）的了解与实践，附上相关代码仓库或技术博客链接
- 深入学习LangGraph或AutoGen等智能体编排框架，动手实现一个包含状态机和工具调用的多智能体协同项目
- 补充消息队列、缓存等后端基础组件的知识，提升整体后端架构能力与系统稳定性设计思维
面试指南
- 采用STAR法则回答项目经验，重点突出你在AI工程化中的具体贡献、遇到的技术难点及解决方案
- 对于概念性问题，先给出清晰的定义与核心原理，再结合具体场景或代码实现进行举例说明
- 请介绍一个你使用Python和Web框架开发的后端项目，你是如何处理接口异常和保证服务稳定性的？
- 你如何理解RAG和Agent？在实际项目中是如何应用或设计Prompt的？
- 如果智能体在多轮对话中出现任务拆解错误或工具调用失败，你会如何调试和优化？
- 请谈谈你对LangGraph或Dify等AI应用开发框架的理解，它们解决了什么痛点？
- 复习Python后端基础及FastAPI/Flask的核心机制，确保能手写或讲解关键代码与异步处理逻辑
- 准备1-2个完整的大模型应用项目（如基于RAG的问答系统或Agent工具调用），能够清晰讲述架构设计、效果评测及优化过程
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
深圳地区硕士AI岗薪资具备竞争力，上市企业薪酬福利体系相对完善且稳定，但JD未披露具体薪资细节。
薪资信号未披露（AI估算：1.8千–2.5万/月）
成长发展
85较高
岗位聚焦前沿的大模型应用与智能体开发，技术栈新，且有明确的导师制和向资深工程师/架构师发展的路径，成长空间大。
技术前沿前沿/新兴技术
技术栈Python、FastAPI、Flask、Prompt、RAG、Agent、Tool Use、Dify、LangGraph、AutoGen
成长机会在导师带领下、未来可向资深AI工程师、AI架构师方向发展
业务类型profit_center
工作生活
60中等
JD未明确提及工作模式与加班情况，作为初级研发岗位且处于AI核心业务线，工作节奏可能较快，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
70中等
AI大模型应用是当前科技领域的核心方向，具有较高的行业前景和技术创新价值，能带来较强的技术成就感。
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