三一集团
大模型与智能体算法工程师
大模型与智能体算法工程师
发布于 6 天前普通员工/个人贡献者
全职员工仅现场办公
Autogen
Prompt Engineering
Rag
多模态
大模型
智能体
值不值得投
79综合评分
综合评分 79
大模型与智能体算法岗，技术前沿，工业场景落地。
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
参考估算薪资
根据职位描述推断，供对比参考
发布情况
正常在招 · 5 天前发布
公司情况
这家公司招聘很活跃
约 130 个在招
职位详情
关于这个职位
设计面向工业场景的大模型与智能体技术方案与架构，研发任务拆解、工具调用、记忆与多智能体协作能力，建设 RAG 与知识库并推进 Agent 部署落地
最低要求
学历与专业：硕士及以上
计算机、人工智能、软件工程、自动化、数学、电子信息等相关专业优先
技能要求：掌握Python或Java，熟悉大语言模型、RAG、Prompt Engineering、Function Calling、记忆机制及LangChain、AutoGen等智能体框架
软性素质：逻辑思维清晰、学习能力强，具备技术钻研、问题定位、沟通协作和结果意识
其他补充：有相关科研、竞赛、实习或项目经历者优先
能够根据项目需要配合试制、测试、现场调试或短期出差
工作职责
根据具体方向设计面向经营、销售、服务、供应链等工业场景的大模型与智能体技术方案和核心架构
研发自主规划、任务拆解、工具调用、长短期记忆、多轮对话及多智能体协作能力，构建复杂任务处理闭环
建设领域知识库及结构化、非结构化和多模态检索体系，开展RAG、Prompt、模型微调和推理优化
建立智能体效果评估、安全测试和反馈机制，持续优化回答准确率、任务完成率和策略落地价值
协同产品与工程团队完成Agent、语音、OCR或视觉多模态能力的部署集成、运行监控和业务应用落地
AI 洞察
优缺点分析
优点
- 前沿大模型与智能体技术，实践场景丰富
- 可积累 RAG 与 Agent 工程化经验
- 技术迭代快，需持续学习
- 工业场景落地复杂
- 适合 AI/计算机背景、对大模型与 Agent 有兴趣的硕士求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 可从算法工程师成长为高级算法工程师、AI 技术负责人，进一步向 AI 平台负责人发展
- 设计面向工业场景的大模型与智能体方案与架构
- 研发任务拆解、工具调用、记忆与多智能体协作
- 建设知识库与 RAG、Prompt、微调与推理优化
- 建立效果评估与安全测试反馈
- 协同部署集成与业务落地
- Python/Java
- 大语言模型与 RAG
- Prompt Engineering、Function Calling、记忆机制
- LangChain/AutoGen 等智能体框架
- 多模态能力
- 问题定位与协作
申请策略
- 关注公司数字化与 AI 落地
- 了解岗位所属业务方向
- 突出 LLM/RAG/Agent 项目
- 展示 Prompt 与工具调用实践
- 强调部署与效果评估
- 深入学习 RAG 与 Agent 框架
- 提升 Python 与工程化能力
- 了解工业场景
面试指南
- 按架构与工程实践
- 用数据与案例
- 强调落地
- 如何设计 Agent 架构？RAG 如何提升准确率？如何评估智能体效果？如何处理安全与幻觉？
- 准备 AI 项目案例
- 复习 LLM 基础
- 了解公司业务
职位点评
薪资福利82
成长发展90
工作生活58
使命价值78
薪资福利
82较高
大模型算法岗薪资中等偏上，稳定性较好。
薪资信号市场水准 (2.0千–3.5万/月)
成长发展
90较高
可积累前沿大模型与智能体工程经验。
技术前沿前沿/新兴技术
技术栈大模型、RAG、Agent、LangChain
业务类型profit_center
工作生活
58较低
现场办公，研发节奏较快，WLB 一般。
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
78中等
推动工业智能化，技术价值较高。
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