TCL
AI 应用开发工程师87950961
AI 应用开发工程师87950961
发布于 1 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 Native
Ai应用开发
Api开发
原型验证
大模型
系统设计
值不值得投
75综合评分
综合评分 75
上市企业AI核心研发岗，聚焦Agent与大模型前沿技术，成长空间大，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
2.8万
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 630 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AI应用及Agent平台的端到端研发与工程化落地，要求结合大模型能力深入业务场景进行产品化设计
你需要独立承担核心模块开发，并探索AI Native研发范式，推动方案从原型验证到快速上线
最低要求
本科及以上学历，计算机、软件工程或相关专业优先
具备1-3年软件开发经验，能力优秀者可适当放宽年限要求
熟练掌握 Python，具备良好的系统设计、面向对象设计、API 开发、数据处理及系统集成能力
熟悉 Java、Go、C# 或 C++ 者优先
主导或深度参与过生产级 AI 应用落地，能够独立负责核心模块，并能够提供可验证的用户规模、业务效果或效率提升成果
具备良好的产品思维和用户意识，能够从业务价值出发定义问题、验证假设，并结合数据和用户反馈持续优化产品
具备较强的好奇心、自驱力及快速学习能力，能够在目标明确但实现路径不确定的情况下自主探索并推动落地
工作职责
业务洞察与AI产品化落地：深入理解业务场景，独立完成需求拆解与技术预研，结合大模型能力与软件工程最佳实践进行价值判断
负责端到端的产品方案设计，主导原型验证（Prototype）并推动方案快速产品化上线，对最终业务交付结果负责
AI Native 研发范式探索：深入理解用户需求及业务流程，结合软件工程最佳实践进行价值判断、方案设计和原型验证，并独立推动方案产品化
负责AI产品及平台研发：独立承担 AI 产品或核心模块的技术方案设计与开发，推动需求分析、方案验证、工程实现、产品上线及持续迭代
负责Agent工程化建设与治理：建设和完善 Agent 工程体系，包括工具设计、权限边界控制、敏感信息处理、错误恢复、重试策略、上下文压缩、执行结果校验、可观测性及效果评估等
优先资格
有完整的 Agent 产品或平台研发经验
有企业内部研效产品应用落地经验
熟悉 harness 架构理念
熟悉 Java、Go、C# 或 C++ 等一种或多种语言
能够通过用户规模、业务指标或效率数据证明过往项目价值
有 Vibe Coding、AI Coding Agent 或 AI Native 研发流程实践经验
AI 洞察
优缺点分析
优点
- 处于AI与Agent技术爆发的核心赛道，能够接触并实践最前沿的大模型应用与AI Native研发范式
- 依托大型企业的丰富业务场景，AI应用落地机会多，容易积累可验证的业务成果与规模化经验
- 岗位职责涵盖从业务洞察到工程化治理的全链路，有助于培养复合型AI技术人才
- AI应用与Agent工程化属于新兴领域，技术迭代极快，需要持续保持高强度的学习与探索
- 适合具备扎实后端开发基础、对大模型和Agent技术有浓厚兴趣，且渴望在业务场景中实现AI技术商业化的技术极客
缺点 / 挑战
- 在目标明确但路径不确定的情况下推动项目落地，对个人的自驱力、抗压能力和跨部门沟通能力要求较高
角色解读
- 向AI架构师或AI技术专家方向发展，深入掌握大模型应用与Agent工程化核心技术
- 凭借产品思维与业务洞察力，转型为AI产品负责人或技术业务Leader，主导AI商业化落地
- 深入业务场景进行需求拆解与技术预研，结合大模型能力设计端到端的AI产品方案并推动落地
- 独立承担AI产品及核心模块的技术方案设计与开发，完成从需求分析到产品上线的全流程
- 负责Agent工程化体系建设，完善工具设计、权限控制、错误恢复及可观测性等底层能力
- 扎实的Python编程基础，具备优秀的系统设计、API开发及数据处理能力，熟悉面向对象设计
- 拥有生产级AI应用落地经验，能够独立负责核心模块并用数据证明业务价值
- 具备产品思维与用户意识，能在路径不确定的情况下自主探索并推动AI Native研发范式落地
申请策略
- 提前了解TCL的核心业务场景（如智能制造、半导体显示等），思考AI技术如何赋能这些具体业务
- 准备1-2个在实现路径不确定时，如何通过快速原型验证和迭代最终达成目标的真实案例
- 重点突出过往主导或深度参与的生产级AI应用落地项目，量化用户规模、业务效果或效率提升数据
- 详细展示在Agent工程化、工具设计、权限控制或上下文压缩等方面的具体技术实践与解决方案
- 体现产品思维，说明如何从业务价值出发定义问题，并通过原型验证推动方案产品化的完整经历
- 深入学习Agent架构理念、Vibe Coding及AI Native研发流程，补充大模型应用开发的最新工程实践
- 提升系统设计与API开发能力，特别是针对高并发、高可用场景下的AI服务架构设计
面试指南
- STAR法则：针对项目经验，清晰阐述情境(Situation)、任务(Task)、行动(Action)和结果(Result)，重点突出量化数据
- 问题拆解框架：面对复杂或不确定问题，展示如何将其拆解为可验证的假设，并通过MVP（最小可行性产品）快速验证
- 请分享一个你主导落地的生产级AI应用项目，你是如何定义问题并证明其业务价值的？
- 在Agent工程化建设中，你是如何处理权限边界控制、敏感信息处理或错误恢复机制的？
- 当业务目标明确但技术实现路径不确定时，你通常如何开展技术预研和原型验证？
- 请谈谈你对AI Native研发范式的理解，以及它与传统软件开发流程的核心区别
- 复习大模型应用开发的核心技术栈，特别是LangChain、Agent设计模式及RAG架构的底层原理与工程实践
- 梳理过往项目中的技术难点与踩坑经验，准备好应对关于系统稳定性、可观测性及效果评估的深度提问
职位点评
薪资福利75
成长发展90
工作生活50
使命价值80
薪资福利
75中等
作为上市企业的AI核心研发岗，薪资福利具备市场竞争力，但JD未明确披露具体薪资与福利细节。
薪资信号未披露（AI估算：2千–3.5万/月）
成长发展
90较高
岗位聚焦AI应用与Agent工程化等前沿技术，提供丰富的业务场景与全链路研发机会，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈Python、大模型、Agent工程化、AI Native、Vibe Coding、API开发
业务类型profit_center
工作生活
50较低
JD未明确提及工作模式与WLB相关信息，且AI前沿探索类岗位通常面临较高的工作强度与不确定性。
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
处于AI高速增长赛道，推动AI Native研发范式与Agent工程化落地，具有较强的技术创新价值与行业前瞻性。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs