高通
AI Agent Applications Engineer
AI Agent Applications Engineer
发布于 大约 16 小时前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
本科
软件工程
RAG
GO
LLM
CI/CD
Rest API
AI Agent
LangGraph
Workflow Automation
AI 估算 · 30k–55k
高通上海Senior Engineer岗位，AI Agent方向热门，3年+经验匹配中高级，薪资竞争力强，参考行业水准30-55K。
职位详情
关于这个职位
该职位是高通中国团队招聘的AI Agent应用工程师，负责设计和构建基于大模型的AI代理系统，用于自动化软件开发流程中的多种工程任务，如代码理解、测试创建、缺陷管理等
你将与全球GenAI平台团队紧密合作，集成企业数据源和内部工具，推动AI自动化在工程团队中的落地
适合有后端开发经验且对LLM应用和代理工作流有浓厚兴趣的工程师
最低要求
工程、信息系统、计算机科学、AI/ML或相关领域的学士学位
年以上后端系统、开发者工具、自动化平台或AI/ML应用角色的软件工程经验
年以上构建基于LLM的应用、AI代理、工作流自动化、RAG系统或工具调用助手的实践经验
精通Python和/或Go编程语言，具有构建生产级API、服务、CLI或自动化工具的实际经验
具备代理工作流模式（包括任务分解、规划/执行循环、工具调用、状态管理、错误恢复和人工审批门控）的工程经验
有通过REST/gRPC API、Git工作流、CI/CD流水线、数据库、消息队列或内部企业工具集成软件系统的经验
扎实的Linux环境、Docker/容器化部署和安全软件交付实践知识
工作职责
AI代理工作流开发（约60%）**：
设计并实现生产级的AI代理工作流，自动化规划、代码理解、代码生成、测试、调试、文档和发布验证等工程任务
使用工作流图、工具调用接口、内存/上下文存储、事件日志、重试策略和人工审批机制构建代理编排层
开发可复用的代理能力，包括仓库搜索、代码分析、文档检索、测试执行、问题总结、CI/CD交互和内部工具集成
创建用于代理行为的稳健评估流水线，衡量任务完成度、正确性、幻觉率、安全性、延迟、成本和用户满意度
实施安全代理执行的防护栏，包括权限范围、秘密保护、沙箱、可审计性、数据丢失预防和风险操作的升级路径
与中国开发团队和客户工程团队合作，识别高价值的自动化机会并将其转化为可靠的代理工作流
根据使用遥测、利益相关者反馈和失败分析快速迭代
维护可见的代理能力路线图和待办事项
AI平台集成与应用工程（约40%）**：
将AI代理与GenAI平台、企业知识库、内部高通系统、代码仓库、CI/CD流水线和可观测性服务集成
开发和维护RAG流水线，索引内部文档、客户技术规格、高通SDK材料和工程知识，以支持上下文感知的代理
构建后端服务、API、CLI和UI集成点，使代理能力易于工程团队在日常工作中采用
本地化和适配全球开发的平台能力，以解决中国特定的延迟、网络、安全和监管约束
与全球GenAI平台团队合作，对齐架构、共享可复用组件，并将改进贡献回核心平台
支持代理应用程序的部署、监控、事件响应和运营准备，供中国工程团队使用
为候选发布验证和跨区域知识转移做出贡献，与全球GenAI平台核心团队合作
优先资格
计算机科学、AI/ML、软件工程或相关领域的硕士学位
具有代理框架或SDK（如LangGraph、Semantic Kernel、AutoGen、CrewAI、OpenAI/Anthropic工具调用API、MCP或等效内部框架）的实践经验
具有设计具有明确工作流图、持久执行、检查点、权限边界和审计日志的多代理或单代理系统的经验
具有构建LLM/代理质量评估工具的经验，包括任务成功指标、回归数据集、安全检查、延迟/成本监控和A/B实验
具有检索增强生成（RAG）、向量数据库（如Milvus、Qdrant、Chroma）、嵌入模型、重排序和上下文工程的经验
熟悉AI编码辅助平台（如GitHub Copilot、Cursor、内部基于LLM的开发者工具）和软件工程自动化用例
了解提示工程、结构化输出、函数/工具模式、模型路由、防护栏和LLM可观测性
具有模型服务框架（vLLM、TGI、TensorRT-LLM）和推理优化经验者优先
了解中国企业软件环境中的出口合规、数据安全和隐私要求
有与OEM/ODM合作伙伴、高通骁龙平台或产品商业化工作流合作的经验者优先
强大的跨职能沟通能力
有与全球分布式团队合作的经验
对开源AI代理、AI应用或开发者工具项目的贡献
AI 洞察
优缺点分析
优点
- 身处AI Agent前沿领域，接触最先进的LLM和代理框架，技能积累价值高
- 高通作为芯片巨头，平台广阔，资源丰富，能参与全球化项目并与顶尖团队协作
- 工作内容兼具工程实践和AI创新，适合技术探索者，未来跳槽方向广
- 需处理复杂的集成和本地化问题，面对高通内部大量遗留系统和安全要求
- 对系统性思维和工程能力要求高，需要同时掌握AI、后端和平台知识
- 适合有2-5年后端或AI应用经验、对LLM Agent技术充满热情、愿意在大型外企中解决复杂工程问题的工程师
缺点 / 挑战
- 工作节奏可能较快，需要快速迭代并与全球团队协调，有时差沟通挑战
角色解读
- 技术深耕：从Agent应用工程师成长为AI Agent架构师，精通多代理系统和复杂工作流编排
- 管理方向：带领AI Agent团队，推动高通中国工程效率转型，成为GenAI平台本地化负责人
- 跨界发展：转向产品化方向，将Agent技术打包为内部或外部产品，拓展商业影响
- 设计和实现AI代理工作流，自动化软件开发中的重复性任务，如代码生成、测试创建和缺陷分析
- 将AI代理与高通内部平台、代码仓库、CI/CD系统及企业知识库集成，确保可靠运行
- 开发RAG流水线和工具调用接口，让代理能准确检索上下文并执行复杂工程操作
- 建立评估和监控体系，衡量代理任务的完成质量、安全性和成本，并持续迭代优化
- 精通Python或Go，具备构建生产级API和自动化工具的经验
- 深入理解AI代理工作流模式，包括任务分解、工具调用、状态管理和错误恢复
- 熟悉LLM应用开发、RAG系统、向量数据库和提示工程
- 掌握Docker、Linux和CI/CD，能进行安全可靠的软件交付
申请策略
- 在面试中准备一个完整的Agent项目案例，从设计到部署，说明技术选型和优化过程
- 展现对工程效率自动化的热情，提前思考高通SDLC的痛点并提出Agent方案
- 突出LLM应用或Agent项目经验，尤其是使用LangGraph、AutoGen等框架的工作流实现
- 强调后端工程能力：Python/Go的API开发、CI/CD集成、Docker部署等
- 展示RAG或向量数据库相关项目，以及评估LLM质量的实践
- 如有开源贡献、技术博客或高通相关经验，务必提及
- 补充LangGraph、Semantic Kernel等主流Agent框架的动手实践
- 学习RAG技术栈，如Milvus、Chroma、LangChain，并搭建简单Demo
面试指南
- 对于系统设计问题：先拆解需求，提出架构图，说明各模块职责、数据流和容错机制
- 对于评估问题：从任务完成率、质量指标、延迟成本和安全合规等多个维度展开
- 对于集成问题：从接口适配、数据映射、权限管理和监控告警入手，强调渐进式上线
- 请描述你设计并实现的一个AI Agent系统，包括工作流架构、工具调用和错误处理
- 如何确保Agent在敏感企业环境中的安全性？你会设计哪些防护栏？
- 你如何评估一个Agent的性能？请设计指标和评估流程
- 对比LangGraph和AutoGen，你会如何选择构建一个多步骤代码生成Agent？
- 在高通这样的大公司中，你如何将Agent集成到现有CI/CD和内部工具中？
职位点评
72
综合评分
高通AI Agent工程师，薪资竞争力强，技术前沿，但需要现场办公且WLB未明确。
更适合这类人
适合追求技术成长和前沿领域、能接受现场办公和一定工作强度的工程师。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展90
工作生活50
使命价值70
薪资福利
80较高
薪资处于市场高端，高通福利完善，但JD未明确薪资细节，仅提及面议类型。
薪资信号面议 (30K-55K/月)
成长发展
90较高
AI Agent是前沿技术方向，职位提供丰富的学习机会和全球协作平台，技术栈新且成长空间大。
技术前沿前沿/新兴技术
技术栈AI Agent、LLM、RAG、LangGraph、Semantic Kernel、AutoGen、vLLM、TensorRT-LLM
成长机会导师制、培训
业务类型profit_center
工作生活
50较低
职位要求现场办公，可能涉及跨国协作和一定的工作强度，未明确提及WLB。
工作模式仅现场办公
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
通过自动化提升工程师效率，具有一定价值，但岗位偏内部工具，社会直接影响力有限。
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
Watch Jobs