海尔
工业大模型与智能Agent负责人
工业大模型与智能Agent负责人
发布于 6 小时前中层管理(经理/总监)
全职员工仅现场办公人工智能
人工智能
Rag
Rlhf
Sft
Vllm
多模态
大模型
工业Ai
智能Agent
架构设计
值不值得投
78综合评分
综合评分 78
上市巨头核心业务线、前沿大模型技术栈、薪资竞争力强，但工作强度与挑战较大。
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
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 240 个在招
市场机会
选择面较广
北京 · 人工智能 · 约 620 个在招
职位详情
关于这个职位
该职位负责海尔工业场景下的大模型与智能Agent架构设计与落地，主导模型微调、多Agent任务编排及推理部署优化
你需要带领团队构建面向工业设备、工艺、质检等领域的知识体系与受控执行链路，推动AI技术在工业场景的商业化与工程化应用
最低要求
硕士及以上学历，计算机、人工智能、自动化、数学等相关专业，中科院自动化所等顶尖院校背景优先
年以上AI算法研发经验，有互联网头部企业（阿里巴巴/百度等）Agent或大模型方向核心项目经验，担任过技术负责人
精通大模型Agent架构设计，具备“感知-规划-执行-反馈”全链路落地经验，熟悉Harness、Sub-Agent、工具调用等体系设计
深入理解SFT/RLHF/DPO等对齐技术，有基于真实业务数据构建训练闭环的实际经验
熟悉多模态融合方案（CLIP、图文预训练、视觉Language Model等），有端到端多模态Agent产品落地经验
掌握LangChain/ReAct/LangGraph等Agent编排框架，具备实际工业或业务场景部署经验
有从0到1搭建技术架构的经验，懂工程化规范（CI/CD、评测体系、性能优化），具备带领5人以上团队的能力
工作职责
Agent架构设计与路线选型：主导工业场景智能Agent的总体架构设计，统一智能体编排、工具调用（MCP/Tool Calling）、RAG增强检索、上下文管理与任务规划能力
基于LangChain/ReAct等Agent框架和工业业务特性，确定技术路线，含模型选型、推理引擎选型、多Agent协作模式与执行策略
大模型微调与对齐优化：领导SFT（有监督微调）/RLHF（基于人类反馈的强化学习）/DPO等对齐工作，使用DeepSpeed/TRL等工具进行LoRA蒸馏与高效微调
构建面向工业指令的“数据清洗→指令构建→偏好对齐→效果验证”数据闭环，持续提升模型在工业场景下的任务理解与执行能力
多Agent任务编排与工业场景落地：设计“任务感知→规划拆解→工具分配→Sub-Agent协作→结果聚合→受控执行”的多Agent协作链路，支撑复杂工业任务自动完成
结合工业场景强实时、强上下文和复杂业务约束的特点，沉淀任务边界规则、执行约束与业务抽象能力，降低新场景接入成本
推理部署与性能优化：主导vLLM推理加速服务建设，优化高并发API封装，保障工业场景下的实时响应与吞吐性能
针对推理链路的延迟优化、成本控制和效果稳定性进行持续调优，兼顾大模型能力与工业级可靠性要求
数据构建与RAG知识体系：指导指令数据构建策略与RAG检索库搭建（Milvus等向量数据库），构建面向工业设备、工艺、质检、运维等领域的知识体系
推动“知识检索→模型推理→规则约束→工具调用→人工确认→审计留痕”的受控执行链路，确保模型输出安全可控
持续提升团队的竞争力及人员能力
优先资格
有AI产品从0到1的商业化落地经验（C端或B端Agent产品）
有视觉多模态、移动端推理优化或跨模态对齐方向顶会论文/专利
理解工业场景（MES、IoT、设备运维、质检等）的领域知识或对接经验
AI 洞察
优缺点分析
优点
- 依托海尔庞大的工业场景与数据资源，能实现大模型技术的真实落地与商业化，避免技术空转
- 处于AI与工业制造结合的前沿赛道，技术壁垒高，个人行业竞争力与稀缺性提升快
- 工业场景对实时性、可靠性和安全性要求极高，大模型幻觉控制与工程化落地难度大
- 适合具备大模型全链路落地经验、渴望在工业AI领域深耕并具备团队管理能力的资深技术专家
缺点 / 挑战
- 平台资源丰富，能够接触到工业级高并发、高可靠性要求的复杂工程挑战，技术深度拓展空间大
- 需要平衡前沿技术探索与工业级稳定性，跨部门协同与复杂业务逻辑抽象的挑战较高
角色解读
- 可向AI技术总监、首席科学家或工业AI业务线负责人方向发展，成为复合型技术领军人才
- 在工业大模型这一前沿领域积累深厚的行业壁垒，提升在AI与实体经济结合领域的个人影响力
- 负责工业场景下大模型与智能Agent的总体架构设计与技术路线选型，确定模型与推理引擎方案
- 主导模型微调、多Agent任务编排及推理部署优化，构建工业领域知识体系与受控执行链路
- 带领技术团队进行工程化规范建设，推动AI技术在工业场景的商业化与高可靠性落地
- 精通大模型Agent架构设计（如LangChain/ReAct）及SFT/RLHF/DPO等对齐技术，具备全链路落地经验
- 具备多模态融合方案及vLLM推理加速服务建设经验，能解决高并发与低延迟问题
- 拥有从0到1搭建技术架构及带领5人以上团队的管理能力，懂工程化规范与评测体系
申请策略
- 准备具体的工业或复杂业务场景下Agent落地的案例，重点展示如何解决模型幻觉、延迟及成本控制问题
- 突出大模型Agent架构设计、多Agent协作链路落地及模型微调（SFT/RLHF）的实战经验与业务收益
- 强调从0到1搭建技术架构、解决推理延迟/成本问题及带领团队取得成果的管理经历
- 深入了解工业制造场景（如MES、IoT、质检）的业务逻辑与痛点，积累领域知识
- 熟悉vLLM推理加速底层原理及最新的大模型对齐技术（如DPO），保持技术敏锐度
面试指南
- 采用STAR法则：情境（工业场景痛点与约束）-> 任务（架构设计目标与指标）-> 行动（具体技术选型、微调策略与优化手段）-> 结果（性能指标提升、成本降低与业务价值）
- 在工业场景下，如何设计多Agent协作链路以保证任务执行的可靠性与安全性？
- 针对大模型在工业指令理解上的不足，你是如何构建数据闭环进行SFT/RLHF优化的？
- 如何优化vLLM推理服务以满足工业场景的高并发与低延迟要求？
- 请分享一个你从0到1搭建技术架构并带领团队落地的成功案例
- 复习大模型Agent前沿论文及开源框架（如LangGraph），梳理过往项目中模型微调、RAG构建及推理优化的具体数据指标
- 了解海尔在工业互联网（卡奥斯COSMOPlat）方面的布局，思考大模型如何与其现有平台结合
职位点评
薪资福利85
成长发展90
工作生活50
使命价值80
薪资福利
85较高
职位为上市巨头企业的技术负责人，薪资水平在市场中具有较强竞争力，福利体系完善。
薪资信号未披露（AI估算：6千–10万/月）
成长发展
90较高
处于大模型与工业结合的前沿领域，技术栈极具挑战性，能极大提升个人在AI架构与工业落地方面的核心竞争力。
技术前沿前沿/新兴技术
技术栈大模型、智能Agent、LangChain、RAG、SFT、RLHF、DPO、vLLM、多模态
成长机会持续提升团队的竞争力及人员能力
业务类型profit_center
工作生活
50较低
职位为技术负责人且涉及从0到1架构搭建与团队管理，工作强度可能较大，JD未明确提及WLB相关信息。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
推动AI技术在工业制造领域的落地，有助于传统制造业的智能化转型，具有较高的社会价值与行业意义。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs