海尔
AI技术架构师
AI技术架构师
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
Agent编排
Ai智能体
Langgraph
Mcp协议
Rag
分布式系统
大模型应用
架构设计
模型网关
值不值得投
80综合评分
综合评分 80
核心AI架构岗，前沿技术栈、成长空间极大，薪资竞争力强，但工作强度与挑战较高。
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
5.5万
比架构师中位数高
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 680 个在招 · 其中架构师 7 个
市场机会
选择适中
青岛 · 架构师 · 12 个在招
职位详情
关于这个职位
该职位负责AI智能体平台的整体技术架构设计与落地，涵盖多Agent编排、大模型应用底座及开放协议集成
你需要主导关键技术选型与PoC，协同产品与业务团队将需求转化为可演进的架构方案，并持续跟踪大模型生态演进以推动架构升级
适合具备深厚工程功底与AI平台架构经验的专家
最低要求
计算机/软件相关专业本科及以上学历，8年以上软件研发经验，其中3年以上大模型应用或AI平台架构经验
深入理解LLM应用架构核心问题：上下文管理、函数调用/工具协议、多Agent协作模式、幻觉控制与评测方法，有生产级落地案例
熟悉至少一种主流Agent框架/编排方案（LangGraph、自研状态机编排等），并有取舍判断能力——能说清“为什么不用”
扎实的工程功底：熟悉Python/Java/Go至少一门主力语言，熟悉微服务、消息队列、分布式系统设计，具备高可用与成本意识
有模型网关、评测体系、LLM可观测性（如OpenTelemetry GenAI语义约定）任一方向的建设经验
工作职责
负责AI智能体平台的整体技术架构设计，包括多Agent编排、任务状态机、上下文工程、记忆与工具调用体系，主导架构评审与技术决策
设计并落地统一的大模型应用技术底座：模型网关（多模型路由/降级/成本控制）、Prompt与上下文装配层、评测与发布门禁、可观测与护栏体系
制定并守护对外协议与集成标准（以MCP等开放协议为核心），打通企业内支付、数据、业务系统与Agent能力的连接
主导RAG/知识增强、Agent记忆、安全合规等关键技术的选型与PoC，输出可复用的公共组件，提升跨产品线复用率
与产品经理、业务团队协作，将模糊需求转化为可演进的架构方案
为工程团队提供技术指导，参与疑难问题攻关
跟踪大模型与Agent生态演进（模型能力、推理优化、Agent框架），定期输出技术雷达，推动架构持续演进
优先资格
有支付、金融、风控等强合规业务场景的AI落地经验
主导过0→1的AI中台/底座建设，或有明确的复用率、交付效率提升等量化成果
有MCP/A2A等协议的工程实践，或参与过开放协议生态建设
熟悉模型微调（SFT/DPO）或推理优化（量化、vLLM等推理框架）者优先，非必须
软性素质：架构判断务实，以业务价值与成本收益驱动技术选型，反对技术堆砌
沟通表达清晰，能向非技术决策层讲清技术方案的取舍与风险
有技术影响力和带教意愿，能沉淀方法论与规范
AI 洞察
优缺点分析
优点
- 处于AI技术最前沿，深度参与大模型与Agent平台的从0到1建设，技术含金量极高
- 依托丰富的业务场景（如支付、金融、风控），拥有广阔的AI落地空间与数据资源
- 作为核心架构岗，职业稳定性强，且能积累大型复杂系统的架构经验
- 大模型与Agent技术迭代极快，需要持续投入精力跟踪前沿技术并保持架构的先进性
- 跨团队协作与需求转化难度大，需要在技术理想与业务现实、成本收益之间做出艰难权衡
- 适合具备深厚分布式系统功底，且在大模型/Agent领域有实际生产级落地经验，渴望在大型复杂业务场景中发挥技术影响力的高阶技术人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 从AI平台架构师向首席架构师或技术总监方向发展，主导企业级AI战略落地
- 深耕大模型与Agent生态，成为行业内的AI技术专家，引领技术雷达与架构演进
- 负责AI智能体平台的整体架构设计，涵盖多Agent编排、上下文工程及记忆体系等核心模块
- 构建统一的大模型应用技术底座，包括模型网关、Prompt装配层及可观测性体系
- 制定对外集成标准，打通企业内部业务系统与Agent能力，并主导关键技术的选型与PoC验证
- 精通大模型应用架构，深入理解上下文管理、工具协议及多Agent协作模式，具备生产级落地经验
- 扎实的分布式系统工程功底，熟练掌握Python/Java/Go至少一门语言及微服务架构
- 具备优秀的架构判断力与跨团队沟通能力，能将业务需求转化为可演进的技术方案
申请策略
- 在面试中展现务实的架构判断力，强调如何以业务价值和成本收益驱动技术选型，避免纯技术堆砌
- 提前了解公司的数字化转型战略及核心业务，思考AI智能体在其中的赋能场景
- 重点突出大模型应用或AI平台架构的实际落地案例，特别是多Agent编排、模型网关或RAG等核心模块的设计经验
- 量化过往架构设计的业务价值，如复用率提升、交付效率提高或成本优化等具体指标
- 展示在强合规业务场景（如支付、金融）中的AI落地经验，或对MCP等开放协议的工程实践
- 深入学习LangGraph等主流Agent框架及MCP/A2A等开放协议，补充多Agent协作与状态机编排的实战经验
- 了解OpenTelemetry GenAI语义约定，提升LLM可观测性与评测体系的建设能力
面试指南
- STAR法则：情境(Situation) -> 任务(Task) -> 行动(Action，重点突出架构设计与技术取舍) -> 结果(Result，强调业务价值与量化指标)
- 技术对比框架：在回答技术选型问题时，从业务需求、性能、成本、可维护性等多个维度对比不同方案的优劣，并给出最终决策理由
- 请分享一个你主导过的多Agent编排或大模型应用底座的架构设计案例，遇到了哪些核心挑战？
- 在模型网关设计中，你是如何实现多模型路由、降级以及成本控制的？
- 面对模糊的业务需求，你如何将其转化为可演进的架构方案？请举例说明
- 你如何看待当前主流Agent框架（如LangGraph）的优缺点？在什么场景下你会选择自研状态机编排？
- 复习大模型应用架构的核心概念，如上下文管理、幻觉控制、RAG优化及Agent记忆机制
- 准备1-2个具有代表性的复杂架构设计案例，能够清晰画出架构图并讲解核心组件的交互与数据流向
职位点评
薪资福利85
成长发展95
工作生活50
使命价值80
薪资福利
85较高
该岗位对高阶AI架构经验要求较高，在青岛地区同类技术岗位中具备较强的薪资竞争力，能较好地满足对薪资和稳定性的需求。
薪资信号未披露（AI估算：4千–7万/月）
成长发展
95较高
岗位处于AI技术最前沿，主导大模型与Agent平台的架构演进，能极大提升个人在AI领域的深度与广度，技术成长空间巨大。
技术前沿前沿/新兴技术
技术栈AI智能体、大模型、Agent编排、LangGraph、RAG、MCP协议、模型网关、OpenTelemetry
成长机会带教意愿、沉淀方法论与规范、推动架构持续演进
业务类型ambiguous
工作生活
50较低
JD未明确提及工作模式与WLB相关信息，生活化动机满足程度无法准确判断，需结合实际工作节奏评估。
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
AI智能体平台的建设能切实推动传统产业的智能化转型，将前沿技术应用于实际业务场景，具有较高的行业价值与社会意义。
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