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
Next.Js
Pytorch
Rag
Tensorflow
大模型应用
值不值得投
74综合评分
综合评分 74
前沿AI技术栈、实体产业落地场景丰富、技术成长空间大，适合看重技术发展的应届生。
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
该职位主要负责AI开发者平台的开发、部署与运维，结合大模型、智能体及RAG等前沿技术，为各业务场景提供高效、低成本的AI应用工程化落地方案
你需要运用Python、React等全栈技术，并借助Dify等工具优化模型推理与系统集成，推动生成式AI在公司业务中的创新应用
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
- 技术栈前沿且全面，涵盖大模型、智能体、RAG及全栈开发，有利于构建复合型技术壁垒
- 依托大型制造企业的丰富业务场景，AI技术有广阔的落地空间和工程化实践机会
- 作为校招岗位，有完善的培养体系，适合应届生快速完成从学生到职场人的技术转型
- 技术栈要求较广（前后端+AI+运维），初期可能需要投入大量精力学习和适应不同领域的工具
- 适合对大模型应用和全栈开发有浓厚兴趣，具备较强学习能力，且希望在实体产业中推动AI技术落地的应届毕业生
缺点 / 挑战
- 传统制造业的AI落地可能面临业务部门需求不清晰或数据基础薄弱等工程化挑战
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，深入大模型底层优化与复杂系统设计
- 向AI产品经理或AI业务负责人转型，结合业务场景主导AI商业化落地与创新
- 负责AI开发者平台的后端与前端开发，使用Python和React构建全栈应用
- 利用Dify、n8n等工具进行智能体开发和流程自动化，推动大模型在各业务场景的工程化落地
- 负责AI平台的容器化部署与日常运维，优化模型推理效率，跟踪前沿AI技术并输出可行性分析
- 扎实的全栈开发能力，精通Python后端框架（FastAPI/Flask）及React/Next.js前端技术
- 熟悉主流深度学习框架（TensorFlow/PyTorch）及大模型应用开发流程（如RAG、智能体开发）
- 具备Docker容器化部署、Linux运维及SQL数据库管理能力
申请策略
- 了解TCL的主营业务（如半导体显示、智能终端等），思考AI技术如何赋能这些具体业务场景，面试时提出建设性想法
- 突出Python全栈开发经验，展示使用FastAPI和React/Next.js独立完成的项目
- 重点描述大模型应用、RAG或智能体开发的相关项目/实习经历，体现对Dify等平台的熟悉度
- 强调Docker部署、Linux运维及数据库设计能力，证明具备完整的工程化落地能力
- 深入学习LangChain、LlamaIndex等大模型应用开发框架，补充RAG和Agent的实战经验
- 提升前端React/Next.js的熟练度，确保能独立承担AI平台的前端交互开发
面试指南
- STAR法则：针对项目经验，按照情境、任务、行动、结果的结构清晰阐述
- 技术深度+业务价值：在回答技术问题时，不仅说明实现原理，还要强调该技术如何提升系统性能或解决业务痛点
- 请介绍一个你使用Python和React开发的全栈项目，遇到了哪些技术难点？
- 在RAG（检索增强生成）系统中，你是如何优化检索准确率和生成质量的？
- 如果要将一个本地的大模型应用部署到生产环境，你会如何使用Docker和Linux进行配置？
- 谈谈你对Dify或n8n等开源平台的理解，它们在实际业务中解决了什么问题？
- 复习Python异步编程、React Hooks及Docker常用命令，准备手写或讲解核心代码逻辑
- 提前体验Dify或n8n平台，动手搭建一个简单的智能体或自动化工作流，形成直观感受
职位点评
薪资福利70
成长发展85
工作生活60
使命价值75
薪资福利
70中等
校招岗位薪资在当地具备一定竞争力，整体薪酬福利体系较为完善，能满足应届生初期的物质需求。
薪资信号未披露（AI估算：1.2千–1.8万/月）
成长发展
85较高
岗位涉及大模型、智能体等前沿技术，且要求全栈能力，技术成长空间大，能接触到丰富的实体产业AI落地场景。
技术前沿前沿/新兴技术
技术栈Python、FastAPI、React、Next.js、TensorFlow、PyTorch、Dify、n8n、RAG、Docker
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，具体工作节奏与通勤便利度需在实际面试中进一步确认。
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
75中等
推动AI技术在实体制造业的落地，具有较高的行业应用价值和社会意义，属于当前高速发展的新兴领域。
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