TCL
AI应用工程师
AI应用工程师
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
Llamaindex
Prompt Engineering
Rag
大模型
智能体
值不值得投
75综合评分
综合评分 75
上市巨头AI应用核心岗，技术栈前沿且成长空间大，需兼顾技术落地与业务赋能，存在一定工作压力。
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 680 个在招 · 其中人工智能 6 个
职位详情
关于这个职位
该职位主要负责AI智能体应用开发、系统集成与工程治理，以及业务部门的AI技术培训
你需要主导重点AI应用从需求到上线的全流程，推动大模型技术在企业各业务场景的落地与规模化应用
最低要求
教育背景：本科及以上学历，计算机科学与技术、软件工程、人工智能、数据科学等相关专业
经验要求：3年以上AI应用开发或相关领域工作经验
专业知识：扎实的计算机科学基础，熟悉数据结构、算法设计与软件工程
深入理解机器学习、自然语言处理（NLP）及大语言模型原理
熟悉主流AI框架和工具链（如LangChain、LlamaIndex、OpenAI API等）
硬技能：精通Python编程
熟练掌握Prompt Engineering、Agent工作流设计、知识库构建与检索增强生成（RAG）技术
具备系统架构设计能力，熟悉微服务、API网关、容器化（Docker/K8s）等技术栈
了解数据安全、权限管理与合规治理相关知识
软技能：优秀的逻辑思维和问题拆解能力，能独立推动复杂项目从0到1落地
良好的跨部门沟通协调能力，能有效对齐业务、产品、研发等多方需求
具备技术分享和培训能力，能推动业务部门AI能力建设与知识传递
具备较强的学习能力和技术敏感度，能快速跟进AI领域前沿动态
其他要求：对AI技术有浓厚热情和持续探索精神，具备创新意识
能承受一定工作压力，具备高度的责任心和自驱力
有良好的文档习惯和代码规范意识
工作职责
AI智能体应用开发：主导重点AI应用从需求分析、原型验证、方案设计到上线交付，负责核心链路、系统架构、数据流、调用链、Prompt/Agent流程、评测机制和异常处理策略设计
协调产品、业务、研发及测试资源，推动场景从0到1落地
系统集成、工程治理与安全合规：负责AI应用与现有业务系统、数据平台、权限体系、流程工具的集成设计，建立API、数据、日志、监控、性能、成本和版本管理规范
推进模型输出质量、权限隔离、数据安全、内容安全、稳定性与上线评审等治理机制
业务部门AI技术培训：负责根据业务部门AI能力建设需求，制定技术培训计划与知识传递方案，开展AI工具使用、Prompt Engineering、智能体搭建等实操培训
深入业务场景进行AI应用调研与需求分析，提供技术可行性评估与方案建议
建立业务部门AI知识库与FAQ体系，持续跟踪培训效果并优化内容，推动AI技术在研发、运营、营销及管理场景的规模化落地应用
优先资格
具备大模型（LLM）应用落地、智能体（Agent）开发或RAG系统建设经验者优先
有企业数字化转型或AI中台建设经验者优先
熟悉Node.js/TypeScript等全栈开发能力者优先
AI 洞察
优缺点分析
优点
- 处于大模型与AI应用落地的核心赛道，技术栈前沿（Agent、RAG），技术成长空间大
- 在大型上市企业推动AI规模化落地，能积累丰富的企业级AI项目经验与业务场景理解
- 适合具备扎实AI工程化能力、对大模型应用有热情，且具备较强业务理解与跨部门推动能力的复合型技术人才
缺点 / 挑战
- 需要兼顾底层技术开发与跨部门业务赋能，对沟通协调与项目推动能力要求较高
- 大模型技术迭代极快，需要持续保持高强度的学习与技术跟进，且JD提及需承受一定工作压力
角色解读
- 可向AI技术专家或AI架构师方向发展，深入大模型底层技术与复杂系统架构
- 也可转型为AI业务负责人，主导企业级数字化转型与AI中台建设
- 主导AI智能体应用从0到1的开发与落地，负责系统架构与核心链路设计
- 负责AI应用与现有业务系统的集成及安全合规治理，建立工程化规范
- 为业务部门提供AI技术培训，推动AI工具在各业务场景的规模化应用
- 精通Python及主流AI框架（LangChain、LlamaIndex），熟练掌握RAG、Agent工作流设计与Prompt Engineering
- 具备扎实的系统架构设计能力，熟悉微服务与容器化技术，了解数据安全与合规治理
- 拥有优秀的跨部门沟通与技术培训能力，能独立推动复杂项目落地
申请策略
- 了解TCL的主营业务（如家电、半导体等）及数字化转型现状，准备针对其具体业务场景的AI落地构想
- 突出大模型应用（Agent、RAG）的实际落地项目经验及带来的业务收益
- 展示系统架构设计能力及微服务、容器化等工程化技能
- 列举跨部门协作或技术培训的成功案例，体现业务赋能能力
- 深入学习LangChain/LlamaIndex等框架的最新特性，掌握复杂Agent工作流的设计与优化
- 提升企业级系统集成的架构设计能力与数据安全合规知识
面试指南
- 采用STAR法则，重点突出业务背景、技术选型（如RAG的召回率优化、Agent的规划能力）、工程化落地细节及最终业务收益
- 强调在跨部门协作中如何对齐需求、解决冲突并推动项目，展现沟通与赋能能力
- 请分享一个你主导的从0到1的AI智能体或RAG系统落地项目，遇到了哪些技术难点及解决方案？
- 在将AI应用与现有业务系统集成时，如何保证数据安全与权限隔离？
- 如何评估和优化大模型输出的质量与稳定性？
- 请描述一次你为业务部门进行AI技术培训或推动AI工具落地的经历，如何确保培训效果？
- 复习大模型应用开发的核心技术栈（Prompt Engineering、RAG架构、Agent设计），准备1-2个完整的项目架构图
- 了解TCL的业务背景，思考AI技术在其制造、营销或管理场景中的潜在应用与痛点解决方案
职位点评
薪资福利75
成长发展85
工作生活60
使命价值80
薪资福利
75中等
上市企业提供具有竞争力的薪资与福利，AI岗位在当前市场享有溢价，整体薪酬处于中山地区中上水平。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
85较高
处于AI大模型应用落地的最前沿，能接触Agent、RAG等新兴技术，且岗位要求技术分享与培训，有利于个人技术深度与业务广度的双重成长。
技术前沿前沿/新兴技术
技术栈Python、LangChain、LlamaIndex、RAG、Agent、Prompt Engineering、Docker、K8s
成长机会技术分享和培训能力、推动业务部门AI能力建设、快速跟进AI领域前沿动态
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，但作为核心AI研发与赋能岗位，JD提及需承受一定工作压力。
工作模式未明确
办公地点科技园/产业园
加班情况JD含高强度暗示词
使命价值
80较高
推动传统企业的数字化转型与AI规模化落地，具有显著的行业赋能价值与业务创新意义。
行业发展高速增长赛道
社会影响中性/一般
使命信号企业数字化转型、推动AI技术在研发、运营、营销及管理场景的规模化落地应用
创新程度积极采用新技术
Watch Jobs