高通
Staff Engineer – Robust AI Infrastructure
Staff Engineer – Robust AI Infrastructure
发布于 大约 12 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
Ai平台开发
CI/CD
Genai
Llm
Mcp
Rag
向量数据库
值不值得投
71综合评分
综合评分 71
前沿AI技术栈、高挑战性平台架构岗位，技术成长空间大，但办公灵活性一般。
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
45K
与人工智能中位数基本持平
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 210 个在招
市场机会
选择面较广
上海 · 人工智能 · 约 100 个在招
职位详情
关于这个职位
这是一个专注于汽车软件工程的高级技术岗位，核心职责是利用生成式人工智能（GenAI）技术，构建和驱动下一代AI开发平台与健壮的基础设施
你将开发和集成AI工具、智能工作流与工程助手，以提升软件开发团队的效率、质量与自动化水平
最低要求
计算机科学、电气工程、软件工程或相关领域的学士学位，并有4年以上软件测试工程或相关工作经验
或硕士学位及3年以上相关工作经验
或博士学位及2年以上相关工作经验
2年以上软件测试或系统测试工作经验，包括开发并自动化测试计划和工具（例如，源代码控制系统、持续集成工具和缺陷跟踪工具）
6年以上软件工程经验，专注于AI/ML系统、平台开发或相关技术领域
精通Python编程，并熟悉C/C++或类似语言
具备大语言模型（LLM）集成、生成式人工智能应用开发和AI平台架构的实践经验
具备强大的问题解决能力，能够设计和实现实用、可投入生产环境的工程解决方案
工作职责
基于GenAI的应用与工具开发：利用GenAI框架和API为汽车团队设计和开发AI驱动的工程工具和智能助手
构建并扩展支持编码生产力、知识辅助、问题分类和工程任务编排的GenAI多智能体应用
使用LangChain/LangGraph和模型上下文协议（MCP）服务开发智能体工作流，使AI工具与内部系统（Jira、Confluence、Gerrit、Orbit、Axiom）对接
将AI解决方案与源代码库、CI/CD工具链和内部平台等工程系统集成，以实现端到端的生产力提升
快速原型开发和评估新兴GenAI能力，并为高影响力的工程用例部署概念验证解决方案
健壮的AI基础设施与平台开发：设计和构建可扩展、可靠的AI基础设施，以支持团队规模的GenAI应用开发、部署和运营
开发和维护RAG（检索增强生成）管道、向量数据库和知识检索系统，以驱动智能搜索和问答应用
构建健壮的后端服务和API，将GenAI能力暴露给工程工具和智能体系统
确保AI平台组件（包括模型服务、提示词管理和推理管道）的高可用性、可观测性和可维护性
为所有开发系统的平台安全、数据隐私和负责任AI实践做出贡献
AI系统提升与创新：推动GenAI能力在工程工作流中的实际集成，以加速生产力和解决方案的可扩展性
开发和优化多智能体架构，以改进工程工作流编排和任务自动化
构建智能仪表板和智能报告工具，通过AI驱动的分析呈现工程洞察
与跨职能团队合作，识别高影响力的用例并提供创新的AI驱动解决方案
倡导AI最佳实践，参与内部知识分享，并指导团队成员进行GenAI平台开发
优先资格
具备GenAI框架和API（例如LangChain、LangGraph、OpenAI API或类似的内部平台）的经验
具备模型上下文协议（MCP）服务和多智能体系统设计的经验
熟悉RAG（检索增强生成）系统、向量数据库（例如FAISS、Chroma）和知识检索流程
具备将内部或第三方工具与Jira、Confluence、Git及相关工程平台集成的经验
具备汽车软件或嵌入式平台开发经验
具备在工程环境中原型开发、评估和扩展AI赋能的生产力解决方案的经验
AI 洞察
优缺点分析
优点
- 岗位核心是构建“基础设施”和“平台”，技术影响力广，能锻炼架构设计和系统工程能力
- “Staff Engineer”级别要求深厚的技术功底和独立解决复杂系统问题的能力，对候选人要求极高
- 职位描述中职责广泛，涵盖应用开发、平台构建、系统创新等多个方面，需要较强的多任务处理和优先级管理能力
- 适合拥有扎实软件工程背景、对AI平台架构有深入研究和实践、并渴望将前沿AI技术应用于提升大型工程团队生产力的资深工程师
缺点 / 挑战
- 直接参与前沿的生成式AI技术在复杂工业场景（汽车软件）的应用，技术挑战高，成长空间大
- 作为高通这一行业巨头的核心团队成员，项目复杂度和资源保障通常较高
- 需要将AI技术与传统的汽车软件工程流程深度融合，可能面临跨领域知识整合的挑战
角色解读
- 在AI基础设施与平台工程领域深耕，成为架构师或技术专家，负责设计更复杂的智能系统
- 向技术管理方向发展，带领团队推动GenAI在更广业务范围内的落地
- 凭借对汽车软件与AI的结合理解，转向更前沿的智能驾驶或车载AI平台领域的关键技术岗位
- 设计和开发基于生成式AI（GenAI）的工程工具与智能体应用，以提升汽车软件团队的开发效率与自动化水平
- 构建和维护可扩展的AI基础设施，包括RAG管道、向量数据库和模型服务，支撑内部AI应用的稳定运行
- 将AI能力与现有的软件工程流程（如CI/CD、代码审查、知识管理）深度集成，实现端到端的智能化升级
- 扎实的软件工程基础，精通Python编程，熟悉C/C++，具备6年以上相关经验
- 深入的大语言模型（LLM）和生成式AI（GenAI）应用开发与架构能力，熟悉LangChain等框架
- 具备AI系统平台开发与维护经验，了解RAG、向量数据库等核心技术，并有将系统集成到复杂工程环境中的实践
申请策略
- 仔细研究高通在汽车和AI领域的战略布局，思考你的技能如何为他们的业务创造价值
- 在面试中准备一个你主导的、从0到1构建的AI工具或平台的故事，清晰阐述你的技术决策、遇到的挑战和最终成果
- 表现出你不仅关注技术实现，更关注如何通过技术提升整个团队的“开发效能”和“工程文化”
- 突出6年以上软件工程经验，特别是AI/ML系统或平台开发的项目经历
- 重点描述使用Python和GenAI框架（如LangChain）构建具体应用或工具的案例，量化其带来的效率提升
- 展示你设计和维护可靠后端服务、API以及与CI/CD、Git等工程工具集成的系统设计能力
- 如有汽车软件或嵌入式开发经验，务必作为亮点单独说明
- 深入研究RAG、向量数据库（FAISS/Chroma）和多智能体架构的设计与实现，这是岗位的核心技术方向
面试指南
- 对于架构和设计问题，采用“背景-目标-方案-技术选型-权衡-结果”的结构来阐述
- 对于问题排查类问题，强调你的系统性思维：从现象入手，制定假设，利用日志、监控工具定位，最后给出解决方案和预防措施
- 在所有回答中，尽量关联岗位描述中的关键词（如GenAI、多智能体、RAG、集成），并举例说明
- 请描述一个你构建的最复杂的AI工具或平台，其解决了什么工程问题？架构是怎样的？
- 如果你需要为我们的团队设计一个代码审查的AI助手，你会如何考虑技术选型、集成方式和潜在挑战？
- 在构建可扩展的AI基础设施时，你如何处理高可用性、可观测性和成本控制之间的平衡？
- 请解释RAG系统的原理，并讨论在构建企业知识库问答时，你会如何设计检索策略和优化生成质量？
- 当AI工具与现有的开发流程（如CI/CD）集成失败时，你会如何排查和解决问题？
职位点评
薪资福利75
成长发展90
工作生活40
使命价值65
薪资福利
75中等
该职位属于高级技术岗位，通常薪资具有竞争力。福利方面，JD中未明确提及具体项目，但作为上市公司，基础福利应较为完善。
薪资信号市场水准 (35K-55K/月)
成长发展
90较高
职位深度涉及前沿的生成式AI技术栈（GenAI、LLM、RAG、多智能体）和平台架构，技术挑战高，且强调创新与实践结合，对个人技术成长非常有利。
技术前沿前沿/新兴技术
技术栈GenAI、LLM、LangChain、LangGraph、RAG、FAISS、Chroma、MCP、Python、CI/CD
成长机会mentor teammates on GenAI platform development
业务类型profit_center
工作生活
40较低
JD中未提及任何远程办公或弹性工作安排，工作地点固定在上海，对于追求高度工作灵活性的求职者吸引力有限。
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
65中等
职位聚焦于通过AI技术提升工程效能，属于高科技行业的技术赋能岗位，具有明确的创新价值，但社会公益属性不突出。
行业发展高速增长赛道
社会影响中性/一般
使命信号improve product quality、enhance engineering efficiency
创新程度积极采用新技术
高通 的其他在招职位
相似职位推荐
Watch Jobs