鱼跃医疗
AI架构师(J12274)
AI架构师(J12274)
发布于 16 小时前普通员工/个人贡献者
全职员工仅现场办公架构师
架构师
Ai平台建设
Go
Prompt Engineering
Rag
大模型应用
系统架构
值不值得投
70综合评分
综合评分 70
医疗健康场景的大模型架构岗，技术前沿、社会价值强，薪资与WLB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
4.0万
比架构师中位数低
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
选择不多
南京 · 架构师 · 6 个在招
职位详情
关于这个职位
该职位负责鱼跃医疗大模型应用技术架构设计，结合血糖监测与健康管理场景规划模型选型、平台建设和RAG系统，推动AI在医疗健康业务中的落地
你需要搭建Agent/工作流、Prompt管理、工具调用与评测体系，并与产品、算法和医疗团队协作
最低要求
本科及以上学历，计算机科学、人工智能、软件工程或相关专业
年以上AI/机器学习/大模型相关研发经验
有大模型应用开发或AI平台建设经验
有AI产品或系统落地经验
具备以下部分经验：熟悉主流大模型及应用框架（如OpenAI/Llama/LangChain等）
理解RAG架构、Agent设计或Prompt Engineering
熟悉Python/Java/Go等后端开发语言
有AI系统部署、优化或生产环境经验
良好的系统架构能力
较强的问题解决能力
良好的跨团队沟通能力
工作职责
负责公司大模型应用技术架构设计：结合血糖监测（CGM/BGM）业务场景，规划大模型应用技术路线，包括模型选型、系统架构设计及能力建设，推动AI技术在健康管理场景中的落地
建设大模型应用基础平台：搭建和优化大模型应用开发平台，包括Agent/工作流编排、Prompt管理与版本管理、工具调用接口、会话管理与上下文管理、应用发布与灰度机制
提升AI应用的开发效率与系统稳定性
设计并优化RAG系统：面向医疗健康数据场景，构建并持续优化RAG技术体系，包括知识库数据接入与治理、向量检索与召回优化、医疗知识引用与结果可解释性
提升AI输出的准确性与可靠性
建立AI应用评测与优化机制：建立模型效果评估体系，通过离线评测、线上A/B测试及回归测试等方式持续优化模型效果与系统性能
推动AI技术在业务场景中的落地：与产品、算法、工程及医疗专家团队合作，推动AI在血糖数据智能分析、健康管理助手、医疗知识问答、数字健康服务平台等场景中的应用
AI 洞察
优缺点分析
优点
- 技术栈覆盖大模型应用架构、RAG、Agent与评测体系，前沿且完整
- 结合血糖监测和健康管理，AI落地场景明确，医疗健康行业价值感强
- 岗位需要跨产品、算法、工程和医疗团队协作，能锻炼端到端架构与落地能力
- 鱼跃医疗为医疗健康企业，业务场景真实，有利于积累行业AI经验
- 需要同时理解医疗健康数据与AI工程，RAG准确性和可解释性要求高
- 大模型应用平台从0到1建设涉及多模块，架构复杂度和跨团队协调难度较大
- JD未披露薪酬、办公模式与团队规模，需在面试中确认实际资源与工作强度
- 适合有5年以上AI/大模型经验、具备平台架构和落地能力，并对医疗健康场景有长期兴趣的资深技术人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI平台负责人、技术总监或企业级AI架构负责人发展
- 在医疗健康AI领域积累RAG、Agent和评测体系经验，形成行业解决方案能力
- 若具备团队管理兴趣，可逐步转向技术管理或AI产品技术负责人
- 负责大模型应用技术架构设计，结合血糖监测业务规划模型选型与系统架构
- 搭建Agent/工作流、Prompt管理、工具调用等AI应用开发平台
- 设计并优化医疗健康场景的RAG系统与知识库治理
- 建立评测、A/B测试和回归机制，推动AI在健康管理、医疗问答等场景落地
- 熟悉主流大模型与应用框架，如OpenAI、Llama、LangChain
- 理解RAG、Agent、Prompt Engineering及向量检索
- 具备Python/Java/Go后端开发和生产环境AI系统部署优化能力
- 具备系统架构设计、跨团队沟通和业务落地能力
申请策略
- 投递前了解鱼跃医疗血糖监测（CGM/BGM）和数字健康业务，准备与之匹配的场景方案
- 面试中主动确认团队规模、平台现状、数据合规要求和岗位KPI，判断资源与预期是否匹配
- 突出大模型应用架构设计经验，说明模型选型、系统架构与平台建设的具体成果
- 量化RAG、Agent/工作流、Prompt管理、向量检索等模块的落地效果与性能提升
- 展示AI系统从开发到生产部署、评测和A/B测试的完整闭环经验
- 强调医疗健康、血糖监测或强合规数据场景的项目经验（如有）
- 补齐RAG召回优化、知识库治理和医疗知识可解释性相关实践
- 准备Agent编排、工具调用、会话上下文管理和灰度发布等平台化案例
面试指南
- 架构题按业务目标—数据与模型—系统模块—评测与灰度—风险合规展开
- RAG题从数据治理、切分/向量化、召回/重排、引用可解释性和评测指标说明
- 项目题用STAR，突出你的架构决策、跨团队协作和量化结果
- 请设计一个面向血糖监测数据的大模型应用技术架构，如何划分模型、RAG、Agent和评测模块？
- 如何优化医疗健康场景下RAG的召回准确率和结果可解释性？
- 你如何搭建Agent/工作流编排和Prompt版本管理平台？
- 大模型应用上线后，如何设计离线评测、A/B测试和回归测试体系？
- 请分享一个AI系统从0到1落地并产生业务价值的案例
职位点评
薪资福利55
成长发展88
工作生活60
使命价值82
薪资福利
55较低
JD未披露薪资与福利信息，补偿性动机难以直接判断；岗位为全职社招，需在面试中确认薪酬结构。
薪资信号未披露（AI估算：3.0千–5.0万/月）
成长发展
88较高
岗位覆盖大模型应用架构、RAG、Agent平台与评测体系，技术栈前沿且端到端落地，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈大模型、RAG、Agent、Prompt Engineering、LangChain、OpenAI、Llama、Python、Java、Go
业务类型ambiguous
工作生活
60中等
JD未提及办公模式、弹性或加班情况，生活化动机无法从职位描述判断，需面试确认。
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
82较高
岗位将大模型应用于血糖监测与健康管理，具有较强医疗健康价值；但JD未明确行业地位或使命表述。
行业发展新兴领域（暂难判断）
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs