海尔
AI工程架构师
AI工程架构师
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公架构师
架构师
Llamaindex
Llm
Multi-Agent
Prompt Engineering
Pytorch
Rag
分布式架构
向量数据库
值不值得投
79综合评分
综合评分 79
海尔青岛AI架构岗，聚焦多智能体与RAG前沿技术，技术成长空间大，薪资福利具竞争力，但项目挑战与压力不小。
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
4万
比架构师中位数低
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 320 个在招 · 其中架构师 2 个
市场机会
选择不多
青岛 · 架构师 · 8 个在招
职位详情
关于这个职位
该职位负责设计和开发复杂的多智能体系统架构，构建企业级RAG架构和Agent Memory体系，优化大语言模型输出质量
你需要进行AI系统的整体技术选型，跟进前沿技术动向，确保公司产品的技术领先性
最低要求
硕士及以上学历，计算机科学、数学、统计学、金融工程或相关专业背景，具备5年及以上相关工作经验
精通Python/C++/Java等编程语言，熟练掌握pandas、numpy、scikit-learn、PyTorch/TensorFlow等数据科学和深度学习工具栈
熟悉向量数据库(Pinecone、Milvus、Weaviate等)、图数据库，有企业级知识库构建和RAG系统开发经验
具有优秀的问题分析和解决能力，良好的团队协作和沟通能力，能够推动跨部门技术项目落地
工作职责
设计和开发复杂的多智能体(Multi-Agent)系统架构，确保系统的高可用性、容错性和弹性扩展能力
深入研究和实现Agent交互、协作和通信机制，构建高效的Agent编排和协调策略，支持复杂业务场景下的智能体自主决策和任务分解
设计创新的提示工程(Prompt Engineering)策略，优化大语言模型的输出质量和准确性，建立提示模板库和最佳实践规范
负责AI系统的整体技术选型和架构设计，包括模型服务、推理引擎、数据流处理等核心组件的选型和集成
构建企业级RAG(检索增强生成)架构，设计知识库管理、向量检索和内容生成的端到端解决方案
了解主流大语言模型的能力边界和应用场景，有LLM应用开发或集成经验，熟悉常见的AI开发框架(LangChain、LlamaIndex等)
设计分布式可扩展的Agent Memory体系，实现长短期记忆管理、上下文保持和知识沉淀机制
跟进研究行业内技术动向，做好相关产品的技术规划和预研，保证公司产品的技术领先性
优先资格
有算法模型、数据挖掘等工作经验的优先
AI 洞察
优缺点分析
优点
- 处于AI大模型与Agent应用落地的最前沿，技术栈极具前瞻性和市场竞争力
- 依托海尔这样的大型跨国企业，有丰富的业务场景和海量数据支撑技术落地
- 跨部门推动技术项目落地需要较强的沟通与协调能力
- 具备扎实AI算法与工程架构能力，对大模型和Agent技术有浓厚兴趣，且希望在大型企业中推动AI技术商业化落地的资深技术人才
缺点 / 挑战
- 多智能体系统和RAG架构在工程化落地时面临诸多技术挑战，需要解决大模型幻觉、系统容错和弹性扩展等复杂问题
角色解读
- 可向AI技术总监、首席架构师或AI业务线负责人方向发展
- 在AI大模型和Agent爆发的当下，积累的多智能体与RAG架构经验是行业极度稀缺的核心竞争力
- 设计和开发复杂的多智能体(Multi-Agent)系统架构，构建企业级RAG架构和Agent Memory体系
- 负责AI系统的整体技术选型，优化大语言模型的输出质量，跟进前沿技术动向
- 精通Python/C++/Java及深度学习工具栈，熟悉向量/图数据库及RAG系统开发
- 具备大语言模型应用开发经验，熟悉LangChain等框架，拥有优秀的系统架构设计和跨部门协作能力
申请策略
- 了解海尔集团在智能家居、工业互联网等领域的AI应用场景，思考如何将多智能体技术与其核心业务结合，在面试中展现业务理解力
- 重点突出多智能体系统、RAG架构或大模型应用的实际落地项目经验
- 展示在分布式系统架构设计、高可用性保障以及技术选型方面的成功案例
- 深入学习LangChain、LlamaIndex等主流AI开发框架，掌握向量数据库和图数据库的高级应用
- 关注Multi-Agent协作机制和Prompt Engineering的最新研究进展
面试指南
- 采用STAR法则（情境、任务、行动、结果）回答项目经验，重点突出技术选型的思考过程、遇到的技术难点及解决方案、以及最终带来的业务价值
- 对于架构设计问题，先从全局视角阐述设计理念，再深入核心组件的实现细节与性能权衡
- 请详细描述你设计过的最复杂的多智能体系统架构，以及如何解决Agent间的协作与冲突问题？
- 在企业级RAG架构中，你是如何优化向量检索准确率和处理大模型幻觉的？
- 面对高并发和大规模数据流，你如何进行AI推理引擎的选型和性能优化？
- 请分享一个你推动跨部门技术项目落地的经历，遇到了哪些阻力及如何解决？
- 复习多智能体系统、RAG、向量数据库等核心技术的底层原理和最新开源项目
- 准备1-2个能够体现你解决复杂工程问题能力和跨部门沟通能力的深度案例
职位点评
薪资福利80
成长发展90
工作生活65
使命价值75
薪资福利
80较高
该资深架构岗薪资福利具备较强竞争力，青岛地区生活成本相对一线城市较低，整体薪酬性价比不错。
薪资信号未披露（AI估算：3千–5万/月）
成长发展
90较高
岗位聚焦多智能体、RAG、大模型等当前AI领域最前沿技术，技术成长空间极大，且公司平台能提供丰富的业务场景支撑技术落地。
技术前沿前沿/新兴技术
技术栈Multi-Agent、Prompt Engineering、RAG、LLM、LangChain、LlamaIndex、Pinecone、Milvus、PyTorch、TensorFlow
成长机会跟进研究行业内技术动向、技术规划和预研、保证公司产品的技术领先性
业务类型ambiguous
工作生活
65中等
该岗位涉及复杂系统架构设计与前沿技术预研，技术挑战较大，JD未明确提及WLB政策。
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
AI大模型与Agent技术正在深刻改变各行各业，岗位致力于推动公司产品的技术领先性，具有较高的技术使命感。
行业发展高速增长赛道
社会影响中性/一般
使命信号保证公司产品的技术领先性
创新程度积极采用新技术
Watch Jobs