海尔
AI工程化架构工程师
AI工程化架构工程师
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人工智能
人工智能
Llm
Multi-Agent
Prompt Engineering
Pytorch
Rag
向量数据库
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、青岛高性价比生活，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
4.5万
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 620 个在招 · 其中人工智能 17 个
市场机会
选择适中
青岛 · 人工智能 · 21 个在招
职位详情
关于这个职位
负责设计和开发复杂的多智能体(Multi-Agent)系统架构，构建企业级RAG系统及Agent协作机制
需精通Python/C++及主流AI框架，具备5年以上相关经验，主导技术选型与核心组件集成，确保系统的高可用性与扩展性
最低要求
本科及以上学历，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前沿领域，技术栈先进（Multi-Agent, RAG）
- 依托海尔平台，拥有海量真实业务场景与数据资源
- 上市公司稳定性高，福利体系完善
- 多智能体系统设计复杂度高，对架构能力要求极高
- 青岛相比北上广深，顶尖AI人才竞争相对较少但机会也受限
- 适合追求技术深度、希望将前沿AI技术在大型实体产业落地的资深工程师
缺点 / 挑战
- 传统制造企业数字化转型压力大，需平衡创新与落地
角色解读
- 向首席AI架构师或技术专家方向发展
- 转型AI产品负责人或技术总监，统筹AI战略落地
- 负责多智能体系统架构设计与开发，解决高可用与扩展性问题
- 构建企业级RAG系统及Agent协作机制，优化LLM输出质量
- 进行技术选型与核心组件集成，制定技术规划与预研
- 精通Python/C++/Java及主流AI框架(LangChain等)
- 深入理解RAG、向量数据库及Agent Memory机制
- 具备5年以上AI系统架构设计经验，熟悉深度学习工具栈
申请策略
- 关注海尔在智能家居、工业互联网领域的AI应用场景
- 准备关于如何降低LLM幻觉及提升推理效率的案例
- 突出Multi-Agent系统或RAG项目的完整落地经验
- 展示在高并发、高可用架构设计上的具体成果
- 强调跨部门协作与技术规划能力
- 深入研究LangChain/LlamaIndex最新特性
- 掌握向量数据库性能优化技巧
- 提升对LLM边界与Prompt Engineering的深度理解
面试指南
- STAR法则：情境-任务-行动-结果，重点突出架构决策背后的权衡
- 技术深度：从底层原理（如向量检索算法、注意力机制）到上层应用层层剖析
- 业务价值：强调技术方案如何解决实际业务痛点（如降本增效、体验提升）
- 请描述你设计过的最复杂的Multi-Agent系统架构，如何解决通信与状态同步问题？
- 在企业级RAG系统中，如何处理知识库更新与实时检索的一致性？
- 面对不同能力的LLM，如何进行技术选型与集成适配？
- 如何设计Agent Memory以支持长期任务分解与上下文保持？
- 复习Transformer架构及Attention机制
职位点评
薪资福利80
成长发展90
工作生活65
使命价值70
薪资福利
80较高
作为上市巨头企业，薪资水平在青岛地区属于高位，且福利体系完善，稳定性强。
薪资信号未披露（AI估算：3.0千–6.0万/月）
成长发展
90较高
职位涉及Multi-Agent、RAG等前沿技术，技术成长空间大，符合职业发展需求。
技术前沿前沿/新兴技术
技术栈Multi-Agent、RAG、LangChain、LLM、PyTorch、向量数据库
业务类型profit_center
工作生活
65中等
青岛生活成本相对较低，但传统制造企业节奏可能较快，WLB取决于具体团队文化。
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
70中等
通过AI赋能传统制造业转型升级，具有一定的社会价值与行业影响力。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs