金风科技
27届校招-软件开发工程师（AI方向）(J24485)
27届校招-软件开发工程师（AI方向）(J24485)
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Langchain4J
Llm
Prompt Engineering
Rag
Spring Ai
后端开发
数据结构
值不值得投
78综合评分
综合评分 78
顶尖大厂校招、前沿AI技术栈、能源行业落地，技术成长空间巨大
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，方便比较职业起点。
薪资怎么样
2.0万
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 150 个在招
职位详情
关于这个职位
金风科技面向27届毕业生的校招岗位，专注于基于大模型（LLM）的AI应用后端开发
负责Prompt工程、RAG检索增强生成及Agent工作流编排等核心功能的架构设计与落地，同时利用AI编程工具提升研发效能，需具备扎实的计算机基础及对前沿AI技术的探索热情
最低要求
硕士及以上学历，大学英语六级（CET-6），计算机、软件工程、人工智能、电子信息等相关专业优先
编程与工程基础：熟练掌握Java、C++、Python等中的至少一种编程语言，具备扎实的数据结构、算法与操作系统基础
有真实项目中的工程实践经历，理解服务设计、数据库、缓存、消息队列、并发控制等工程域中的至少两类
大模型应用认知：了解LLM的基本原理与能力边界，对 Prompt Engineering、RAG、Function Calling、Agent、Embedding 等主流技术概念有基本认知或实践兴趣
推理与部署（加分方向）：对模型推理服务化、量化加速或边缘部署有了解或学习意愿
熟悉TensorRT、ONNX Runtime、vLLM等任一推理工具者更佳
具备较强的问题拆解能力，能将业务需求转化为可执行的工程任务
对AI技术落地有好奇心，具备快速学习能力和跨团队协作意识
工作职责
AI应用的设计、开发与工程化交付：参与基于大模型（LLM）的AI应用系统的后端架构设计、编码实现与上线交付，涉及Prompt工程、RAG检索增强生成、工具调用（Tool Calling）、工作流编排等核心开发任务
后端服务与系统稳定性保障：负责AI应用的后端服务设计与开发，涵盖接口设计、数据处理、并发控制、性能调优与稳定性保障
不限定语言生态，根据候选人技术背景与业务场景匹配最合适的技术方案
AI辅助研发与工程效能提升：熟练使用Cursor/Copilot等AI编程工具提升开发效率，参与单元测试优化、代码重构及技术文档编写，践行AI时代的工程研发范式
技术探索与跨团队协作：跟踪LLM应用生态的前沿进展（Java侧关注Spring AI、LangChain4j
C++侧关注推理引擎、模型量化与端侧部署），参与技术验证与方案讨论，与算法、产品及业务团队紧密协作完成交付
优先资格
具有新能源、电力行业或能源云产品相关的项目/研究背景者优先
有AI应用开发落地经验（基于LangChain4j/Spring AI构建过RAG或Agent应用，或有可展示的AI编程提效案例/开源项目）者优先
AI 洞察
优缺点分析
优点
- 聚焦前沿LLM应用落地，技术栈新颖（RAG/Agent）
- 依托金风科技平台，有明确的能源行业应用场景
- 校招培养体系完善
- AI领域技术迭代极快，需保持高强度持续学习
- 对AI大模型应用充满热情、具备扎实计算机基础、希望将AI技术应用于垂直行业的应届硕士毕业生
缺点 / 挑战
- 传统能源企业数字化转型中，新技术落地可能面临业务适配挑战
角色解读
- 从AI应用开发工程师成长为AI系统架构师，或向大模型底层优化、算法工程化方向发展
- 负责基于大模型的AI应用后端系统架构设计与开发，包括RAG、Agent等工作流的实现
- 掌握Java/C++/Python至少一门语言，熟悉LLM应用开发框架（如LangChain4j），具备扎实的工程基础
申请策略
- 准备一个完整的AI应用Demo或开源项目链接，面试时重点阐述对LLM局限性的理解及解决方案
- 突出LLM相关项目经验（如RAG搭建、Agent开发），展示使用AI编程工具提效的案例，强调工程实践能力
- 深入学习LangChain/LlamaIndex等框架，了解模型量化与部署知识，补充能源行业基础知识
面试指南
- 采用STAR法则描述项目，重点突出遇到的技术难点、采用的解决方案（如Prompt优化、向量库选型）及最终效果数据
- 请介绍你做过的大模型应用项目，特别是RAG或Agent的实现细节
- 如何解决LLM应用中的幻觉问题？
- 对比Java和Python在大模型应用开发中的优劣
- 如何优化RAG系统的检索准确率？
- 复习数据结构与算法基础，梳理LLM基本原理（Transformer、Attention机制），了解最新AI工程化工具链
职位点评
薪资福利75
成长发展90
工作生活60
使命价值80
薪资福利
75中等
作为已上市巨头企业的校招岗，提供具有竞争力的起薪和完善福利，但在非一线城市，生活成本相对较低，整体补偿性较好。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
90较高
岗位直接对接最前沿的LLM应用开发，技术栈极具前瞻性，且公司有明确的AI转型战略，为员工提供极高的技术成长空间。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Prompt Engineering、Agent、Spring AI、LangChain4j、TensorRT
业务类型profit_center
工作生活
60中等
工作地点在无锡，生活压力相对较小，但作为研发岗且处于技术探索期，可能面临一定的加班压力，JD未明确提及弹性工作制。
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技术赋能新能源与电力行业，推动能源行业的数字化与智能化转型，具有显著的社会价值与行业使命感。
行业发展稳定成熟行业
社会影响正向社会影响力较高
创新程度积极采用新技术
金风科技 的其他在招职位
相似职位推荐
天猫事业部-AI业务评测-天猫国际供应链
天猫 · 杭州市
AI 估算 · 2.5–4.0万1 小时前发布
AI Intern
施耐德 · 上海市
AI 估算 · 6.0–8.0千1 小时前发布
AI知识库专家
宁德时代 · 宁德市
AI 估算 · 4.0–7.0万3 小时前发布
算法实习生招聘（J107224）
百度 · 北京市
AI 估算 · 0.2–0.4千4 小时前发布
Agent策略工程师（J107063）
百度 · 北京市
AI 估算 · 3.5–6.0万4 小时前发布
外运华东-外运长江-科技赋能中心-AI 开发工程师岗（2027年秋招）(J34278)
中国外运 · 南京市
AI 估算 · 8.0千–1.5万8 小时前发布
Data Center LLM Optimization Customer Engineer
高通 · 上海市
AI 估算 · 4.0–7.0万9 小时前发布
Auto Ai Systems Engineer
高通 · 成都市
AI 估算 · 2.5–4.5万9 小时前发布
Watch Jobs