TCL
AI开发工程师
AI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
Aigc
Rag
Restful Api
多模态模型
大语言模型
值不值得投
75综合评分
综合评分 75
上市巨头核心AI研发岗，技术前沿且成长空间大，薪资具竞争力，但WLB未明确。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
3.3万
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 940 个在招 · 其中人工智能 15 个
市场机会
选择面较广
上海 · 人工智能 · 约 360 个在招
职位详情
关于这个职位
该职位主要负责TCL AIGC产品及AI硬件场景下的大模型应用工程化落地
你需要运用Python及RAG、Agent等核心技术，与算法团队协作，将模型能力转化为稳定可用的产品功能，并负责AI Agent Harness等核心系统的设计与建设
最低要求
硕士及以上学历，计算机科学、人工智能、软件工程或相关专业
熟练掌握 Python，具备扎实的软件工程能力、良好的代码质量意识和系统设计能力
理解大语言模型、Embedding、RAG、Agent、Function Calling 等核心技术，并有实际项目落地经验
具备 RESTful API、数据库、缓存、消息队列等基础服务开发能力
具备良好的问题解决、学习和跨团队协作能力，对 AI 技术及产品落地有强烈热情
工作职责
参与公司 AIGC 产品的 AI 工程化落地，推动模型能力转化为稳定、可用的产品能力
面向 AI 硬件产品场景，负责大模型、多模态模型相关应用的设计、开发、优化与迭代，推动模型能力在终端设备及软硬件协同系统中的落地
与 AI 研究团队紧密协作，完成模型能力接入、效果评测、问题分析与上线验证，打通算法到产品的落地链路
负责 RAG、Agent、Prompt、工具调用等模型应用能力的设计与开发，提升复杂任务处理能力和用户体验
负责 AI Agent Harness 的设计与建设，包括上下文管理、系统指令、工具调用、记忆、任务规划、工作流编排、权限控制、可观测性及反馈闭环等能力
AI 洞察
优缺点分析
优点
- 处于AIGC与大模型应用落地的核心赛道，技术前沿且极具发展潜力
- 依托TCL的硬件产品场景，能接触到软硬件协同及终端设备落地的稀缺工程经验
- 上市公司平台大，项目资源与算力支持相对充足，利于大型项目历练
- 大模型技术迭代极快，需要持续保持高强度的学习以跟进最新技术栈
- 适合对大模型应用落地有强烈热情、具备扎实工程能力且希望在AI+硬件/实体产业中深耕的硕士及以上技术人才
缺点 / 挑战
- 软硬件协同及终端设备落地可能面临算力、延迟等工程化挑战，调试与优化难度较大
角色解读
- 从AI应用开发工程师成长为AI架构师或AI技术专家，主导复杂AI系统的架构设计
- 未来可向AI产品技术负责人或大模型应用架构设计方向发展，深耕AI+硬件/实体产业
- 负责TCL AIGC产品及AI硬件场景下的大模型应用工程化落地，将算法能力转化为实际产品功能
- 设计并开发RAG、Agent、Prompt等模型应用能力，构建AI Agent Harness核心系统
- 与AI研究团队紧密协作，打通从模型接入、效果评测到上线验证的完整链路
- 扎实的Python编程与软件工程能力，具备良好的系统设计与代码质量意识
- 深入理解LLM、RAG、Agent、Function Calling等大模型核心技术，并有实际项目落地经验
- 具备RESTful API、数据库、缓存等后端基础服务开发能力，能支撑复杂的AI应用架构
申请策略
- 了解TCL在AIGC及AI硬件（如AI电视、智能终端等）方面的业务布局，面试时结合具体硬件场景阐述你的工程化落地思路
- 突出大模型相关项目（如RAG、Agent）的实际落地经验及解决的工程难题
- 展示在Python后端开发、系统架构设计方面的扎实功底与代码质量意识
- 强调跨团队协作及将算法转化为产品的能力，体现工程化落地思维
- 深入学习AI Agent Harness的架构设计，包括上下文管理、工作流编排、可观测性等
- 熟悉多模态模型在终端设备的部署与优化技术，了解软硬件协同的工程挑战
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目经验，突出个人贡献与业务价值
- 对于架构设计问题，从需求分析、技术选型、核心模块设计、扩展性与可观测性等方面结构化回答
- 对于优化问题，从算法层、工程层、硬件层多维度分析，展现系统性思维
- 请详细介绍一个你主导或深度参与的RAG或Agent项目，遇到了哪些工程化挑战及如何解决？
- 在设计AI Agent Harness时，你是如何处理上下文管理、记忆和任务规划的？
- 大模型在终端设备及软硬件协同系统中落地时，通常会遇到哪些性能或延迟问题？如何优化？
- 如何评估大模型应用的效果？请分享你的评测体系设计经验
- 复习大模型应用开发的核心技术栈（如LangChain, LlamaIndex等）及Agent设计模式
职位点评
薪资福利75
成长发展85
工作生活60
使命价值75
薪资福利
75中等
TCL作为上市巨头，薪资福利体系完善，AI大模型岗位属于当前市场高薪方向，整体薪酬具备较强竞争力，但JD未明确披露具体薪资。
薪资信号未披露（AI估算：2.5千–4万/月）
成长发展
85较高
岗位涉及大模型、Agent、多模态等前沿技术，且面向AI硬件场景，技术成长空间大，能积累稀缺的AI工程化与软硬件协同经验。
技术前沿前沿/新兴技术
技术栈Python、大语言模型、Embedding、RAG、Agent、Function Calling、RESTful API、多模态模型
业务类型profit_center
工作生活
60中等
JD未明确提及工作模式与WLB相关信息，但作为核心AI研发岗，工作节奏可能较快，需做好应对项目压力的准备。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
推动AI技术在实体硬件产品中的落地，有助于AI技术的普及与产业升级，具有一定的社会与行业价值。
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