英格索兰
AI Specialist
AI Specialist
发布于 7 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 Agent
Api
Langgraph
Llm
Rag
Sql
值不值得投
76综合评分
综合评分 76
跨国工业巨头AI应用岗，技术栈前沿、成长空间大，需兼顾企业级合规与跨时区协作。
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
3.5万
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
公司还在招多个职位
7 个在招
市场机会
选择面较广
上海 · 人工智能 · 约 350 个在招
职位详情
关于这个职位
该职位主要负责构建和迭代基于大语言模型的AI应用（如Agent、RAG解决方案等），并将其与Snowflake、Salesforce等企业系统集成
你需要将业务需求转化为生产级解决方案，并参与中国及亚太区的AI架构决策与数据安全合规工作
最低要求
计算机科学、软件工程、数据科学或相关技术领域的本科及以上学历
具备构建和交付至少一个LLM应用、RAG解决方案、提示词工作流或AI智能体的实际经验
熟练掌握Python，具备扎实的SQL技能、版本控制经验，以及处理结构化和非结构化文档的经验
具备API、容器化服务、基础交付管道、错误处理以及与外部或企业系统集成的经验
了解安全工程、访问控制、个人数据处理、可审计性以及负责任地使用AI编码工具
普通话专业流利，具备足够的英语能力以与全球团队协作
工作职责
构建、集成和迭代AI应用，包括智能体（agents）、RAG解决方案、提示词工作流以及AI赋能的业务工具
开发基于Python和SQL的数据管道、API，并与Snowflake、Salesforce、SAP、SharePoint及批准的本地平台等企业系统进行集成
使用大语言模型（LLMs）、向量数据库、检索管道以及LangChain、LangGraph、MCP等AI框架或类似技术
将业务需求转化为可工作的原型，并将其演进为具备部署、监控和支持考量的生产级解决方案
支持中国/亚太区的架构决策，包括数据驻留、访问控制、网络安全、跨境数据流以及批准的本地AI生态系统
与全球AI、数据工程、AIOps及业务团队跨地区和时区进行协作
AI 洞察
优缺点分析
优点
- 处于AI应用落地前沿，能深度参与LLM、RAG、Agent等热门技术的实际业务赋能，技术含金量高
- 跨国上市企业平台，能接触Snowflake、SAP等大型企业级系统，积累复杂企业环境下的AI架构与合规经验
- 企业级AI落地涉及严格的数据安全、跨境数据流及合规要求，技术决策需平衡创新与风控
- 适合具备扎实Python/SQL基础，有LLM应用实际交付经验，且希望在跨国企业环境中推动AI技术落地的中高级AI工程师
缺点 / 挑战
- 需要跨全球时区与不同团队协作，可能对沟通能力和时间管理提出较高要求
角色解读
- 从AI应用开发工程师向AI架构师或AI产品技术负责人方向发展
- 在跨国企业中积累全球化AI项目协作与亚太区技术架构决策经验，提升技术视野与业务影响力
- 负责构建和迭代基于大语言模型的AI应用（如Agent、RAG），并将其与Snowflake、Salesforce等企业核心系统集成
- 将业务需求转化为AI原型，并推动其落地为生产级解决方案，同时参与亚太区AI架构与数据合规决策
- 精通Python与SQL，具备大语言模型应用（LLM、RAG、Agent）的实际开发与交付经验
- 熟悉LangChain等AI框架及向量数据库，了解企业级API集成、容器化部署及数据安全合规要求
申请策略
- 在面试中展现对‘何时使用LLM与何时使用确定性代码’的深刻理解，体现工程化思维而非盲目追求AI
- 准备跨文化、跨时区协作的实际案例，展示良好的沟通与项目推进能力
- 突出至少一个完整的LLM/RAG/Agent项目从原型到生产落地的全过程，强调业务价值与技术难点
- 展示与企业级系统（如Salesforce、SAP、Snowflake）的API集成经验，以及容器化部署和CI/CD实践经验
- 深入学习LangChain/LangGraph等框架的高级用法，以及向量数据库的检索优化与评估方法
- 了解企业级数据安全、跨境数据合规（如中国数据驻留要求）及AI安全工程最佳实践
面试指南
- STAR法则：针对项目经验，清晰阐述背景、任务、行动（技术选型与难点攻克）和结果（业务价值与指标提升）
- 工程化思维框架：在回答AI应用问题时，始终将‘可测试性、可维护性、成本与合规’纳入考量，展现成熟的工程判断力
- 请详细描述你主导过的一个RAG或Agent项目，你是如何解决检索质量或幻觉问题的？
- 在企业环境中集成LLM时，你如何平衡创新需求与数据安全、合规性要求？
- 你如何判断一个业务场景应该使用LLM还是传统的确定性代码？请举例说明
- 在跨时区、跨文化团队中协作，你遇到过哪些挑战，是如何解决的？
- 复习RAG的核心优化策略（如Chunking、Embedding选择、Reranking）及评估方法，准备具体的测试用例设计思路
- 了解英格索兰的业务背景（工业制造、流体管理等），思考AI如何在其供应链、客户服务或内部效能中创造具体价值
职位点评
薪资福利80
成长发展85
工作生活60
使命价值70
薪资福利
80较高
跨国上市企业提供具有市场竞争力的薪资，AI应用开发岗属于当前高薪领域，整体薪酬福利处于市场中上水平。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
85较高
岗位涉及前沿的LLM、RAG、Agent技术，且需参与亚太区架构决策，技术成长空间大，能积累深厚的企业级AI落地经验。
技术前沿前沿/新兴技术
技术栈Python、SQL、LLM、RAG、LangChain、LangGraph、MCP、Snowflake、Salesforce、SAP
业务类型ambiguous
工作生活
60中等
全职base上海，偶尔需要跨全球时区协作，可能存在一定的时差沟通成本，但整体为常规跨国企业工作节奏。
工作模式仅现场办公
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
在工业和企业环境中推动AI创造可衡量的商业价值，具有一定的技术赋能意义，但属于传统工业企业的数字化转型，社会直接影响力中性。
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