初速度
AI Agent开发工程师（自动驾驶集成系统）
AI Agent开发工程师（自动驾驶集成系统）
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自动驾驶
自动驾驶
Ai Agent
Can
Rag
大模型
系统集成
自动驾驶
车辆总线
值不值得投
82综合评分
综合评分 82
前沿AI+自动驾驶交叉领域，高技术壁垒，高成长潜力，薪资优厚，但工作强度可能较大
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
与自动驾驶中位数基本持平
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 220 个在招 · 其中自动驾驶 73 个
市场机会
选择面较广
北京 · 自动驾驶 · 约 210 个在招
职位详情
关于这个职位
负责利用AI Agent和大模型技术重构自动驾驶系统的集成开发与验证流程，将总线分析、接口管理等知识密集型工作沉淀为可复用的Agent工具
需具备车辆总线协议分析及软件开发能力，构建大模型工作流平台以提升系统联调与问题定位效率
最低要求
学历专业：本科及以上学历，车辆工程、自动化、电子信息、计算机、软件工程、控制工程等相关专业
AI Agent工程化能力：熟悉大模型API、Prompt、RAG、Function Calling/Tool Use、Agent工作流编排等至少一类实践
能定义工具、知识库、工作流、评测和人工审核机制，把业务任务转化为可执行的Agent流程
软件开发能力：熟练掌握C/C++、Python中至少两种，具备Linux环境下开发调试能力
能开发测试工具、自动化脚本和系统级分析工具
汽车嵌入式/智驾系统经验：有汽车嵌入式系统开发经验，熟悉智驾系统车辆集成适配、系统联调或自动驾驶系统设计
有CAN/Ethernet/LIN/FlexRay等车辆总线报文信号分析经验
熟悉DBC/ARXML/LDF/Fibex等接口信号数据库的开发、测试和管理
工作职责
AI Agent驱动的智驾系统集成开发与验证：负责智驾系统车辆集成适配软件的开发、调试和验证
将车辆集成、接口适配、信号联调、问题定位等流程拆解为可被AI Agent调用的工具、知识库和工作流，提升集成开发与验证效率
车辆总线与接口信号数据库的Agent化分析和管理：使用工具，对CAN、Ethernet、LIN、FlexRay等车辆总线协议进行报文和信号分析
负责接口信号数据库的开发、测试和管理
构建总线报文/信号知识库与分析Agent，支持信号检索、变更影响分析、异常关联和自动化检查
构建可扩展的大模型工作流与Agent工具平台：应用AI Agent、RAG、Function Calling/Tool Use、工作流编排等技术，开发需求分析、架构设计辅助、测试工具生成、车辆关联系统数据采集与处理、系统问题分析等Agent能力
建立工具注册、知识库、任务编排、结果审核和评测机制，保证Agent输出可追溯、可验证、可落地，能够自净化自进化
智驾系统技术方案与通信架构设计：进行详细系统技术方案设计，包括智驾系统总线配置、SoC与MCU通信、内部模块通信架构
与算法、基础软件、硬件、测试等跨职能团队合作，确保系统架构设计高效、可靠、可维护，并推动AI Agent方案在真实项目中落地
集成自动化与问题闭环：将重复性的报文分析、接口比对、测试用例生成、日志/报文联合分析、问题归因等任务沉淀为自动化组件和Agent工作流
参与系统联调、问题分析和闭环改进，持续提升集成自动化效率与质量
跨团队协作与技术沉淀：与需求、架构、嵌入式、测试和AI平台团队协作，定义Agent使用边界、人工审核机制和效果指标
沉淀提示词、工具规范、知识库和最佳实践，推动AI Agent在智驾系统集成中的工程化复用
AI 洞察
优缺点分析
优点
- 技术前沿性极高，结合了自动驾驶与当前最热门的AI Agent/LLM技术，极具市场竞争力
- 解决行业痛点，通过AI重构传统低效的集成验证流程，成果可见性强，价值巨大
- 平台稳定，初速度作为头部自动驾驶独角兽，提供丰富的实战场景和数据资源
- 复合型人才需求，既懂车又懂AI的人才稀缺，职业护城河深
- 技术融合难度大，需要同时精通汽车底层协议和上层AI应用，学习曲线陡峭
- 适合拥有汽车电子背景且对AI新技术充满热情，喜欢通过技术手段解决复杂工程问题的开发者
缺点 / 挑战
- 落地挑战多，AI Agent在严谨的汽车安全领域落地，对准确性和可解释性要求极高
- 跨部门协作复杂，需与算法、硬件、测试等多个团队磨合，沟通成本较高
角色解读
- 纵向深化：成为自动驾驶系统集成领域的AI专家，主导更复杂的智能体架构设计
- 横向拓展：转向自动驾驶全栈算法或系统架构师角色，具备更宏观的技术视野
- 管理转型：带领AI工具研发团队，推动公司整体研发效能的提升和数字化转型
- 开发和维护基于AI Agent的智驾系统集成与验证工具链，替代传统人工操作
- 分析车辆总线数据（CAN/Ethernet等），构建知识库并训练Agent进行信号管理和异常检测
- 设计智驾系统通信架构，并与算法、硬件等多部门协作推进AI方案落地
- 持续优化Agent工作流，实现测试用例生成、日志分析等任务的自动化闭环
- 扎实的编程基础，精通C/C++和Python，熟悉Linux环境开发
- 深入理解AI Agent技术栈，包括RAG、Prompt Engineering、Function Calling及工作流编排
- 掌握汽车电子电气架构知识，熟悉CAN、LIN、FlexRay等总线协议及DBC/ARXML数据库管理
- 具备系统思维，能将复杂的集成验证流程拆解为可自动化的Agent任务
申请策略
- 准备一个具体的案例，说明如何用AI Agent解决一个传统的集成测试难题
- 了解初速度的技术栈和产品线，在面试中展现对公司业务的深刻理解
- 突出展示AI Agent相关项目经历，特别是RAG、工具调用和工作流编排的实际落地案例
- 强调汽车总线协议分析和嵌入式开发经验，列举具体的总线类型和数据库处理技能
- 展示自动化脚本开发能力，体现如何通过代码提升工作效率和减少人工错误
- 深入学习LangChain、AutoGen等主流Agent框架，掌握最新的大模型应用开发模式
- 巩固汽车网络通信知识，复习CANoe等工具的使用及DBC文件解析原理
- 提升系统架构设计能力，思考如何将大模型能力嵌入到现有的DevOps或CI/CD流程中
面试指南
- STAR法则：情境-任务-行动-结果，重点突出Action中技术选型的理由和最终量化的效果
- 技术深度：从底层原理出发，解释Agent如何与工作流引擎交互，以及如何处理不确定性
- 业务结合：始终将技术方案与提升集成效率、降低出错率等业务价值挂钩
- 请描述你之前项目中使用的AI Agent架构，以及你是如何设计Tool Use和RAG的？
- 面对CAN总线海量报文数据，如何利用Agent进行高效的异常检测和根因分析？
- 在自动驾驶系统中，如何保证AI Agent输出的安全性和可解释性？
- 请对比C++和Python在智驾系统集成开发中的优劣，并举例说明你的选型逻辑
- 复习汽车电子电气架构基础知识，特别是SOA和通信协议
职位点评
薪资福利85
成长发展95
工作生活60
使命价值80
薪资福利
85较高
作为C轮后的自动驾驶头部企业，薪资竞争力强，且该岗位属于核心研发序列，薪酬包通常高于普通岗位。
薪资信号偏高 (2.5千–4.5万/月)
成长发展
95较高
岗位处于AI Agent与自动驾驶交叉的前沿领域，技术成长空间巨大，能接触到行业顶尖的系统集成场景。
技术前沿前沿/新兴技术
技术栈AI Agent、LLM、RAG、Function Calling、C/C++、Python、CAN、Ethernet
业务类型profit_center
工作生活
60中等
自动驾驶行业普遍节奏较快，且JD强调“重构流程”、“提升效率”，暗示工作强度较大，但具体WLB信息未明确提及。
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
80较高
致力于通过AI技术提升自动驾驶系统的安全性和可靠性，具有显著的社会价值和行业影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs