海尔
研发工程师
研发工程师
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后端开发
后端开发
Agentscope
Llm应用
Prompt Engineering
Rag
Spring Ai
向量数据库
微服务
值不值得投
77综合评分
综合评分 77
前沿AI技术栈、大厂平台背书、高成长性、WLB待确认
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
3.3万
比后端开发中位数低
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 650 个在招 · 其中后端开发 2 个
市场机会
选择面较广
上海 · 后端开发 · 约 330 个在招
职位详情
关于这个职位
负责基于Java技术栈落地核心业务场景的AI Agent（如智能客服、ChatBI等），完成从需求到上线的全流程
参与Agent平台建设，涵盖任务规划、工具调用及RAG链路优化，并负责工程化治理与跨团队协作，保障生产环境的高可用性与稳定性
最低要求
本科及以上学历，计算机、软件工程、人工智能等相关专业优先
–5 年 Java 开发经验，其中至少 1–2 年大模型 / Agent 应用落地经验
精通 Java，熟悉 JVM、并发、集合与常用中间件
熟练掌握 Spring Boot / Spring Cloud，具备扎实的微服务设计与工程落地能力
熟悉 Spring AI，能基于其完成模型接入、Prompt 管理、Tool Calling、RAG、ChatClient / Advisor 等能力集成，并落地到生产服务
熟悉 AgentScope（或同类 Agent 编排框架），理解多智能体协作、任务规划、记忆机制、工具注册与运行时编排，能独立完成 Agent 应用搭建与调优
深入理解 LLM 应用范式，熟悉 Prompt Engineering、RAG、Function Calling、Agent Workflow
理解 ReAct / CoT 等推理与行动框架
熟悉向量数据库（Milvus / Qdrant / Elasticsearch 等）及检索评估
了解流式输出（SSE / WebSocket）、异步任务与长链路调用治理
具备良好的抽象与平台化能力，能把具体业务沉淀为可复用的 Agent 组件、工具规范与方法论
有较强的业务理解与问题拆解能力
工作职责
业务 Agent 落地：基于 Java 技术栈负责核心业务场景的 AI Agent 设计与交付（如智能客服、经营助手、数据分析 / ChatBI、流程自动化等），完成从需求拆解到上线迭代的闭环
Agent 核心能力建设：基于 Spring AI、AgentScope 等框架参与 Agent 平台建设，覆盖任务规划（Planning）、工具调用（Tool Use）、上下文与记忆管理、工作流编排、人机协同与异常兜底
工具与系统集成：将内部业务系统、知识库、数据平台、CRM / 工单等能力封装为可复用工具（Function Calling / MCP Skills），打通 Agent 与 Java 微服务业务链路
RAG 与知识增强：设计并优化检索增强链路（分块、向量检索、混合检索、重排序等），提升回答准确性与业务可用性
工程化与可观测性：建设 Prompt / 工具注册管理、链路追踪、效果评测、灰度发布、成本控制与稳定性治理，保障生产可用
跨团队协作：与产品、算法、业务方协作，识别高价值场景，完成方案设计、原型验证与持续优化
AI 洞察
优缺点分析
优点
- 依托海尔大厂平台，拥有丰富的业务场景和数据资源支持
- AI Agent领域技术迭代极快，需要持续学习新框架和最佳实践
- 适合对AI应用有浓厚兴趣、具备扎实Java后端基础且渴望在新技术领域深耕的中高级开发者
缺点 / 挑战
- 接触最前沿的LLM应用落地技术，技术栈新颖且具有高度挑战性
- 业务落地过程中需平衡技术创新与稳定性，工程化压力大
角色解读
- 可向AI架构师、大模型应用专家方向发展，或转型为AI产品经理，深入探索多智能体协作与复杂业务逻辑
- 利用Java技术栈构建和部署AI Agent应用，解决智能客服、数据分析等业务场景问题
- 精通Java及微服务架构，熟练掌握Spring AI、AgentScope等LLM应用框架，具备RAG链路优化能力
申请策略
- 准备一个完整的AI应用案例，阐述从需求分析、技术选型、难点攻克到最终落地的全过程
- 突出Java微服务架构经验，重点展示任何与大模型、AI Agent、RAG相关的实战项目或技术探索经历
- 深入学习Spring AI和AgentScope官方文档，掌握Prompt Engineering技巧，了解主流向量数据库的使用
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目经历，重点突出技术选型的理由、遇到的挑战及解决方案
- 请介绍你使用过的LLM应用框架及其优缺点
- 如何优化RAG系统的检索准确率？
- 在Agent应用中如何处理幻觉和错误输出？
- Spring AI中的Tool Calling机制是如何工作的？
- 复习Java并发编程和JVM原理，梳理LLM应用常见范式（ReAct, CoT等），准备关于系统稳定性和成本控制的思考
职位点评
薪资福利80
成长发展90
工作生活60
使命价值70
薪资福利
80较高
作为上市巨头企业，提供具有竞争力的薪资和完善的福利体系，满足补偿性动机。
薪资信号偏高 (2.5千–4.0万/月)
成长发展
90较高
职位涉及前沿的AI Agent技术，技术成长空间巨大，符合发展性动机。
技术前沿前沿/新兴技术
技术栈Spring AI、AgentScope、LLM、RAG、Vector Database
业务类型profit_center
工作生活
60中等
未明确提及弹性工作制，但作为传统巨头企业的研发岗，可能比互联网初创公司稍稳定，WLB中等。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
通过AI技术提升业务效率，具有一定的社会价值和行业前景，满足意义感动机。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
海尔 的其他在招职位
相似职位推荐
Watch Jobs