HCLTech
Design Lead
Design Lead
发布于 3 小时前基层主管/组长
全职员工仅现场办公人工智能
人工智能
Json Schema
Llm
Mcp
Ocr
Prompt Engineering
Rag
向量检索
值不值得投
69综合评分
综合评分 69
前沿 LLM/RAG 技术栈、端到端落地与交付责任重，薪资与工作节奏需面试确认。
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
4.0万
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
54 个在招
市场机会
选择面较广
上海 · 人工智能 · 约 390 个在招
职位详情
关于这个职位
该职位名义上是 Design Lead，实际是主导 CMD 设计评审 AI 工具的工程负责人：基于 LLM、多模态文档解析与 RAG 架构，把机械设计规则检查、2D/3D 图纸评审自动化，并培训 SI 合作伙伴团队使用
你需要从架构与提示词工作流、文档解析流水线，到容器化部署、可观测性、文档与培训全流程负责，是一个偏 AI 应用工程落地的技术岗
最低要求
软件工程基础：3 年以上专业软件工程经验，精通 Python（或 Go / TypeScript / C++）
熟练使用 Git、Docker 容器化、日志与监控，以及自动化测试框架
LLM 应用开发：具备扎实的 LLM 驱动系统开发实操经验，包括高级提示词设计与上下文窗口管理
通过 JSON Schema 实现可靠的结构化输出
工具调用 / Function Calling（含 MCP — Model Context Protocol）
健壮的 RAG（检索增强生成）架构
生产交付履历：有构建并上线至少一个生产级 AI 应用、自主 Agent 或企业知识库的实证经验（能够展示系统架构、Evals 及真实场景下的失败应对）
非结构化数据与文档抽取：具备文档解析、OCR 流水线、复杂表格抽取，以及处理非规范技术图纸/版式的实操经验
搜索与数据库工程：具备关系型数据库的扎实背景，并在全文检索、向量检索、混合检索与重排序流水线的实现与调优方面有实操经验
沟通能力：中英文口语与书面表达流利
工作职责
AI 工具开发与架构：主导自动化 CMD 设计评审 AI 工具的端到端开发，包括提示词工作流、结构化 Schema 抽取与领域知识检索
多模态文档解析：构建并优化针对技术图纸、PDF、机械规格书以及复杂 BOM/零件表格的摄入流水线
集成与部署：将应用容器化、部署并维护在生产环境，实现日志、可观测性与评测基准
SI 培训与工具推广：编写技术文档与用户手册
培训 SI 工程团队在日常评审流程中使用该 AI 工具，收集反馈并迭代提升准确率
关键交付物：1) 定期更新并发布 CMD 文档与工程指南修订
) 与最新 HWTE 要求一致的、经核验的 3D CAD 模型、2D 图纸与 DFM 包
) 维护并及时更新 CMD 全球零件清单与 CAD 库
) 将 CMD 数据库成功集成并部署到指定的 SI 设计环境
) 完成 CMD 设计评审 AI 工具的生产发布与验证
) 输出用户手册、技术文档并完成 SI 工程团队的培训
AI 洞察
优缺点分析
优点
- 技术栈覆盖 LLM、RAG、多模态文档解析、向量检索等当前企业 AI 落地的核心方向，技能可迁移性强
- 面向真实工业场景从 0 到 1 构建并在生产环境验证，项目含金量高、可讲述性强
- 需要培训与服务合作伙伴团队，能同时锻炼技术表达、文档写作与客户协作能力
- 跨国企业平台 + 中英文双语环境，有机会接触国际客户的工程标准与流程
- 岗位横跨后端工程、LLM 应用与文档解析多个领域，对复合能力要求高，上手曲线较陡
- 技术图纸、BOM 表格等非规范数据解析难度大，效果评估与调优往往需要反复迭代
- 职责同时覆盖研发、部署、文档与培训，多任务并行，需要较强的时间与优先级管理能力
- 适合有 3 年以上工程经验、至少做过一个生产级 LLM/RAG 应用，并愿意深入工业设计与机械评审场景、兼顾开发与客户交付的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 从单点工具开发者成长为 AI 应用架构负责人，后续可主导企业级知识库、Agent 平台与评测体系建设
- 积累多模态文档理解与工业设计评审领域知识后，可转向智能制造/数字化研发方向的技术专家或解决方案架构师
- 具备客户交付与团队培训经验后，也可向技术管理、交付管理岗位发展
- 主导 CMD 设计评审 AI 工具从原型到生产的端到端建设，包括提示词工作流、结构化 Schema 抽取与领域知识检索
- 搭建并优化处理技术图纸、PDF、机械规格书和复杂 BOM/零件表的多模态文档摄入流水线
- 把应用容器化部署到生产环境，补齐日志、可观测性与评测基准，保证工具可稳定运行
- 面向 SI 合作伙伴工程团队编写文档、做培训、收集反馈并持续迭代准确率
- 扎实的软件工程功底：3 年以上经验，精通 Python（或 Go/TypeScript/C++），熟悉 Git、Docker、自动化测试与日志监控
- LLM 应用开发能力：高级提示词设计、JSON Schema 结构化输出、Function Calling/MCP、完整 RAG 架构落地
- 非结构化数据处理能力：OCR、复杂表格抽取、非规范版式技术图纸的解析经验
- 检索与数据库工程：关系型数据库 + 全文检索、向量检索、混合检索与重排序的调优经验，外加中英文流利沟通
申请策略
- 提前了解 HCLTech 的工程服务交付模式与客户协作方式，理解该岗位的“交付 + 落地”属性
- 准备一个能讲清“失败案例与改进闭环”的项目故事，JD 明确要求展示真实场景下的失败应对能力
- 重点突出至少一个已上线的 LLM 应用 / Agent / 企业知识库项目，写清系统架构、评测（Evals）方式与线上问题处理过程
- 量化文档解析与检索优化成果，例如抽取准确率提升、检索召回改善、响应延迟下降等
- 展示工程化能力细节：Docker 容器化、日志与监控、自动化测试的具体实践
- 强调中英文沟通能力与跨团队培训、技术文档撰写经验
- 补齐多模态文档解析实战：OCR、版面分析、复杂表格抽取的开源方案与调优经验
- 熟悉向量数据库选型、混合检索与重排序的调优方法，并了解 MCP、Function Calling 的最佳实践
面试指南
- 架构类问题用“业务目标与约束 → 方案对比与取舍 → 指标与结果”的分层结构回答，体现工程判断而非堆技术名词
- 故障/优化类问题按“现象 → 定位 → 根因 → 修复 → 沉淀（Evals、监控、回归测试）”组织
- 协作与推广类问题用 STAR 结构，重点讲清如何量化采纳率与准确率提升
- ) 请介绍你主导过的一个生产级 LLM 应用，架构如何设计，如何做评测与上线？2) 如何从技术图纸、PDF、复杂 BOM 表格中稳定抽取结构化字段？遇到版式异常或扫描质量差的文档怎么处理？3) RAG 召回不准时你会如何定位与优化？全文检索、向量检索、混合检索与重排序如何选型？4) 如何用 JSON Schema 保证模型结构化输出的可靠性？Function Calling / MCP 有哪些实践经验？5) 工具上线后如何推动合作伙伴团队真正用起来并持续迭代？
- 准备 1-2 个能现场画架构图的项目，讲清数据流、评测指标与上线运维方式
- 复习 RAG、向量检索、重排序、OCR/表格抽取的关键技术细节与常见坑
- 准备英文自我介绍版本，并了解机械设计评审、DFM、CAD 数据的基本概念与流程
职位点评
薪资福利68
成长发展88
工作生活48
使命价值66
薪资福利
68中等
JD 未披露薪资范围与福利信息，薪酬需要面试确认；但岗位技能门槛高、复合能力强，通常具备一定议价空间。
薪资信号未披露（AI估算：3.0千–5.0万/月）
成长发展
88较高
岗位直接使用 LLM、RAG、多模态文档解析等前沿技术，并要求端到端完成从架构到生产部署与评测，技能成长与项目含金量都很高。
技术前沿前沿/新兴技术
技术栈Python、LLM、RAG、JSON Schema、Function Calling、MCP、OCR、多模态文档解析、向量检索、混合检索、Docker、Evals
业务类型ambiguous
工作生活
48较低
JD 未提及办公模式、弹性安排或双休等信息，工作节奏与灵活性未知，且需要支持 SI 团队培训与推广，可能涉及较多跨团队协同时间。
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
66中等
工作内容是把 AI 引入机械设计评审这一具体工业场景，能带来实际的流程效率提升，但 JD 未表述使命或社会价值导向。
行业发展新兴领域（暂难判断）
社会影响中性/一般
创新程度积极采用新技术
HCLTech 的其他在招职位
相似职位推荐
Watch Jobs