海尔
Agent系统工程师/负责人
Agent系统工程师/负责人
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公后端开发
后端开发
Go
Llm
Rag
分布式系统
可观测性
模型路由
系统架构
值不值得投
78综合评分
综合评分 78
前沿AI技术栈、大厂平台背书、技术成长极快，项目交付节奏紧凑
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
4.8万
比后端开发中位数高
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 780 个在招 · 其中后端开发 4 个
市场机会
选择面较广
上海 · 后端开发 · 约 290 个在招
职位详情
关于这个职位
负责海尔上海公司Agent系统的核心模块研发与架构设计，涵盖Runtime、记忆机制及多智能体协作能力
搭建模型路由、RAG集成及全链路可观测体系，保障高并发下的系统稳定性与服务质量，协同算法与产品团队推动前沿AI技术向工程化落地转化
最低要求
计算机、软件工程、人工智能或相关专业
具备扎实的数据结构、算法、操作系统、网络和软件工程基础，熟悉 Python、Go、Java、C++ 等至少一种主流语言
熟悉大语言模型、Prompt、RAG、Function Calling、Agent 等基本技术原理和工程实践
具备服务端系统、分布式系统或 AI 应用系统研发经验，能够独立完成系统设计、开发、调试与性能优化
具备良好的问题定位、工程质量意识、沟通协作能力和结果导向
工作职责
参与 Agent Runtime、Session / State、Context、Memory 等核心模块设计与研发
建设 Planning、Reasoning、Function Calling、Tool / Skill、Workflow 及 Multi-Agent 等系统能力
参与 Search / RAG、向量检索、知识库、文档理解等能力与 Agent 系统的集成和优化
建设多模型接入、模型路由、能力封装及统一调用机制，支持不同模型快速迭代
建立 Agent tracing、评测、回归分析及可观测体系，持续优化任务完成率、延迟、成本和稳定性
负责 Agent 系统 API / SDK、服务化及工程质量建设，解决并发、容错、隔离、可靠性和安全等系统问题
与研究、算法和产品团队协作，将新模型和新算法快速集成到系统并完成验证
持续跟踪 Agent、模型上下文协议、工具生态及相关开源技术的发展
AI 洞察
优缺点分析
优点
- 聚焦Agent与LLM前沿技术，技术栈极具竞争力与前瞻性
- 依托海尔集团平台资源，拥有丰富的工业与消费级AI应用场景落地机会
- 接触多模型路由与复杂系统架构，能显著提升底层工程能力与技术视野
- 高并发与多模型调用的系统稳定性优化难度大，对工程严谨性与性能调优要求极高
- 跨部门协同频繁，需平衡算法创新速度与工程落地质量
- 适合具备扎实后端/分布式系统功底，同时对AI大模型与智能体技术充满热情，渴望在前沿领域深耕的技术型求职者
缺点 / 挑战
- Agent系统处于快速迭代期，技术选型与架构设计面临较大不确定性，需频繁应对新技术挑战
角色解读
- 可向AI系统架构师或技术专家方向发展，主导更大规模的AI基础设施平台建设
- 也可转向AI产品经理或技术负责人，统筹AI业务线的技术战略与团队管理
- 随着大模型技术演进，该岗位在智能体生态领域具有极高的行业稀缺性与成长空间
- 负责Agent核心运行时、记忆机制及多智能体协作系统的架构设计与代码实现
- 搭建模型路由、RAG集成及全链路可观测体系，保障AI系统在复杂业务场景下的高可用性与低延迟
- 协同算法与产品团队，推动前沿大模型技术向工程化落地转化
- 精通至少一门主流编程语言（Python/Go/Java/C++），具备扎实的分布式系统与后端架构设计能力
- 深入理解LLM、Prompt工程、RAG及Function Calling等AI技术原理，并有实际工程落地经验
- 掌握系统可观测性、性能调优及高并发处理技术，具备优秀的跨团队协作与问题解决能力
申请策略
- 提前研究海尔在智能制造与智能家居领域的AI布局，准备针对性的技术落地方案
- 面试时重点展示系统设计的权衡思考过程，而不仅是功能实现细节
- 突出分布式系统架构设计、高并发处理及性能优化的实战项目经验
- 详细展示在LLM应用、RAG系统或Agent框架中的具体贡献与量化成果
- 强调跨团队协作能力及解决复杂工程问题的思路与方法
- 深入学习LangChain、LlamaIndex等主流Agent开发框架及其底层原理
- 补充向量数据库、知识图谱及多模态数据处理的相关技术储备
- 加强系统可观测性（如OpenTelemetry）与混沌工程方面的实践技能
面试指南
- 采用STAR法则（情境、任务、行动、结果）结构化回答，重点突出技术选型的依据、遇到的核心难点及量化解决的成效
- 对于架构设计题，先阐述整体设计原则，再分模块详细说明，最后总结优缺点与演进路线
- 请详细描述你设计过的一个高可用分布式系统架构，并说明如何保证数据一致性？
- 在Agent系统中，如何处理长上下文记忆与Token限制之间的矛盾？
- 面对多模型路由场景，你会如何设计负载均衡与故障转移策略？
- 请分享一次你通过系统可观测性快速定位并解决线上严重性能瓶颈的经历
- 复习操作系统、网络协议及经典分布式算法（如Raft、Paxos）的核心知识点
- 梳理过往项目中与AI模型集成、RAG流程优化相关的实战案例，准备好架构图与关键指标数据
职位点评
薪资福利80
成长发展90
工作生活60
使命价值75
薪资福利
80较高
薪资对标上海一线大厂AI核心岗水平，福利体系完善，具备较强市场竞争力。
薪资信号未披露（AI估算：3.5千–6.0万/月）
成长发展
90较高
深度参与Agent核心架构与前沿AI技术落地，技术成长空间巨大，晋升通道清晰。
技术前沿前沿/新兴技术
技术栈Agent、LLM、RAG、Function Calling、Multi-Agent
业务类型cost_center
工作生活
60中等
传统制造企业数字化转型节奏较快，项目交付压力存在，但整体WLB优于纯互联网初创。
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
致力于推动工业与消费级AI智能化升级，社会价值显著，行业前景广阔。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs