Hays logo
瀚纳仕
AI

AI

发布于 3 小时前

普通员工/个人贡献者

AI 估算 · 2.5–3.5万 · AI 参考估算
中级经验
本科
全职员工仅现场办公AI算法
AI算法
Ai Agent
Api
Langgraph
Llm
Rag
Sql
Web应用

值不值得投

73综合评分

综合评分 73

前沿AI应用落地岗,薪资明确偏高,发展性强,办公灵活性未披露

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

3.0万

比AI算法中位数低

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 570 个在招 · 其中AI算法 7 个

市场机会

选择面较广

上海 · AI算法 · 约 160 个在招

职位详情

关于这个职位

这是一个面向制造业数字化场景的企业级AI应用岗位,重点围绕LLM、RAG、AI Agent进行应用落地和端到端交付

你需要具备扎实的Python、SQL、API、Web应用和云部署能力,并参与从需求理解到系统实现与上线交付的完整过程

最低要求

方向:LLM / RAG / AI Agent / 企业级AI应用

希望你:
Python + SQL扎实
真正做过LLM/RAG/Agent项目
懂API、Web应用及Cloud Deployment

工作职责

围绕LLM / RAG / AI Agent / 企业级AI应用方向开展AI应用开发工作

参与企业级AI应用从需求理解、方案设计到开发实现和端到端交付
基于Python、SQL、API、Web应用及Cloud Deployment能力完成应用开发与部署
结合制造业或企业数字化场景,推动AI能力在实际业务中的落地

优先资格

LangChain / LangGraph / MCP经验加分

制造业 / 企业数字化AI场景经验加分

AI 洞察

优缺点分析

优点

  • 岗位聚焦LLM、RAG、AI Agent等当前热门方向,有利于积累企业级AI应用落地经验
  • 不是纯算法岗,更强调工程实现和端到端交付,适合希望把AI技术真正应用到业务场景的求职者
  • 制造业数字化场景具有明确应用价值,能积累行业知识与AI结合的实践经验
  • 适合有Python/SQL工程基础、做过LLM/RAG/Agent项目,并希望在企业场景中做AI应用交付的工程师

缺点 / 挑战

  • 薪资信息明确,且要求与岗位方向匹配度较高,便于候选人判断适配性
  • 企业级AI应用落地通常涉及需求边界、数据质量、系统集成和上线稳定性,交付复杂度较高
  • 技术栈覆盖LLM、RAG、Agent、API、Web和云部署,对候选人的全链路工程能力要求较高
  • JD强调“真正做过项目”,仅有课程或demo经验可能竞争力不足

角色解读

  • 可向资深AI应用工程师或AI解决方案架构师发展,负责更复杂企业级AI系统的设计与落地
  • 可积累制造业数字化经验,逐步成长为懂业务场景和AI工程交付的复合型人才
  • 未来也可向AI平台工程、智能体系统架构或企业AI产品方向拓展
  • 负责基于LLM、RAG和AI Agent的企业级AI应用开发,将大模型能力转化为可使用的业务系统
  • 参与端到端交付,包括需求拆解、技术方案设计、接口开发、Web应用集成和云端部署
  • 面向制造业或企业数字化场景,解决知识问答、流程自动化、智能助手等实际应用问题
  • 与业务、产品或工程团队协作,推动AI应用从原型验证走向稳定上线
  • 需要扎实的Python和SQL能力,能够完成数据处理、后端逻辑开发和业务数据查询
  • 需要真正参与过LLM、RAG或Agent项目,理解检索增强、提示词设计、工具调用和应用编排等关键环节
  • 需要掌握API设计、Web应用开发和Cloud Deployment,具备将AI能力工程化落地的能力
  • 有LangChain、LangGraph、MCP经验,或制造业、企业数字化AI场景经验,会更具竞争力

申请策略

  • 申请前建议了解该外资企业在制造业数字化方面的业务背景,准备与AI应用场景相关的案例
  • 面试中尽量用可量化结果说明项目价值,例如效率提升、准确率改善、用户覆盖或交付周期缩短
  • 重点突出真实LLM、RAG或Agent项目,包括业务背景、技术架构、个人职责和上线效果
  • 强化Python、SQL、API、Web应用和云部署相关经历,体现端到端交付能力
  • 如果接触过LangChain、LangGraph、MCP或类似编排框架,应写明具体使用场景和解决的问题
  • 有制造业、供应链、生产运营或企业数字化项目经验,应放在显眼位置
  • 补齐RAG系统关键能力,包括文档解析、向量检索、重排序、评估与幻觉控制
  • 熟悉Agent应用开发中的工具调用、任务规划、状态管理和权限边界设计

面试指南

  • 项目类问题采用“业务背景—技术方案—个人职责—上线结果—复盘改进”的结构回答
  • 技术类问题采用“问题定义—可选方案—权衡比较—最终选择—效果验证”的思路展开
  • 场景类问题采用“需求澄清—数据评估—原型验证—工程落地—运维反馈”的交付框架回答
  • 请介绍一个你真正做过的LLM、RAG或Agent项目,你的具体职责是什么?
  • RAG系统中如何提升检索准确率,如何评估答案质量和幻觉问题?
  • 你在Python、SQL、API和Web应用集成方面有哪些实战经验?
  • 如果制造业用户提出一个模糊的AI需求,你会如何拆解并推进端到端交付?
  • 你是否使用过LangChain、LangGraph或MCP?解决了什么问题,有哪些局限?

职位点评

薪资福利82
成长发展84
工作生活45
使命价值72

薪资福利

82较高

JD明确给出薪资范围且高于一般中级岗位水平,并注明14薪,薪资信号较清晰。福利内容未披露,稳定性相关信息未提及。

薪资信号偏高 (2.5千–3.5万/月)

成长发展

84较高

岗位涉及LLM、RAG、AI Agent、LangChain、LangGraph、MCP等方向,技术内容较新且强调端到端交付。JD未提及培训、导师制或晋升路径。

技术前沿前沿/新兴技术
技术栈LLM、RAG、AI Agent、Python、SQL、API、Web应用、Cloud Deployment、LangChain、LangGraph、MCP
业务类型ambiguous

工作生活

45较低

JD仅说明工作地点在上海,未提及远程、混合办公、弹性工时或加班情况。生活化动机相关信息不足,无法判断工作灵活性。

工作模式未明确
办公地点未明确
加班情况未提及(无法判断)

使命价值

72中等

岗位聚焦制造业数字技术和企业级AI应用落地,具有推动企业数字化和AI应用价值实现的意义。JD未明确描述社会使命或行业改变相关目标。

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