上海电气
AI算法工程师(27届校招)
AI算法工程师(27届校招)
发布于 8 天前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Ai Agent
Cuda
Langgraph
Pytorch
Rag
Tensorrt-Llm
Vllm
值不值得投
73综合评分
综合评分 73
LLM应用算法岗，Agent与RAG前沿技术栈、成长性强，学历要求硕士，WLB信息未披露
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，方便比较职业起点。
薪资怎么样
1.7万
比AI算法中位数低
发布情况
正常在招 · 7 天前发布
公司情况
这家公司招聘很活跃
15 个在招
市场机会
选择不多
上海 · AI算法 · 7 个在招
职位详情
关于这个职位
面向27届校招的AI算法工程师岗位，负责AI Agent智能体与RAG系统的全流程开发，技术栈覆盖LangChain、向量数据库、vLLM推理优化等大模型应用核心技术，要求硕士及以上学历
适合有LLM应用开发经验的应届生
最低要求
计算机、数学、自动化等相关专业的硕士及以上学历
扎实的Python编程基础，熟悉PyTorch/TensorFlow深度学习框架
精通RAG技术栈：文档解析（PDF/Word/图纸）、文本切块策略、Embedding模型选型与训练、向量检索、Reranker
熟悉Agent框架（LangChain、LangGraph、AutoGen、CrewAI等），有Tool/Function Calling开发经验
了解自然语言处理基础技术，如分词、命名实体识别、文本分类、文本生成等
熟悉大模型推理优化技术，有vLLM、TensorRT-LLM等推理框架使用经验，了解量化、分布式推理等优化方法
熟悉CUDA编程与GPU显存管理
工作职责
负责AI Agent智能体的设计与开发，实现工具调用、任务规划、多轮对话等能力，支撑复杂业务流程自动化
负责RAG系统的全流程开发与优化，包括文档解析、Embedding模型选型、向量数据库调优、Reranker重排策略设计
跟踪大模型领域最新技术进展，进行技术预研与原型验证，将前沿技术落地到业务场景
与产品、工程团队协作，完成AI功能的开发、测试与上线，保障系统的稳定性和可用性
优先资格
有私有化部署经验优先
有多模态应用（视觉）经验加分
AI 洞察
优缺点分析
优点
- RAG与Agent是当前大模型落地最活跃的方向，工程与算法能力双线成长
- 技术栈覆盖开发、检索、推理优化全流程，能力体系完整
- 与产品、工程团队深度协作，业务落地成果可见度高
- 大模型应用技术迭代极快，需要持续跟进新框架与新方法
- RAG效果调优涉及检索、重排、生成多个环节，问题定位链路长
- 适合有LLM应用开发经验、工程能力强、对大模型落地有热情的硕士应届生
缺点 / 挑战
- 系统上线后需保障稳定性与可用性，存在值班与突发支持压力
角色解读
- 从RAG与Agent模块开发起步，逐步独立负责LLM应用的架构设计与性能优化
- 通过技术预研积累前沿落地经验后，可成为大模型应用方向的技术骨干
- 长期可向AI平台架构师或技术负责人方向发展
- 设计开发AI Agent智能体，实现工具调用、任务规划与多轮对话能力，支撑业务流程自动化
- 负责RAG系统全流程开发，覆盖文档解析、Embedding选型、向量数据库调优与Reranker重排
- 跟踪大模型前沿技术并做预研与原型验证
- 与产品、工程团队协作完成AI功能开发、测试与上线
- 需要扎实的Python基础与PyTorch/TensorFlow框架经验
- 精通RAG技术栈与Agent框架（LangChain等）及Tool/Function Calling
- 熟悉vLLM、TensorRT-LLM推理优化与CUDA编程
- 硕士及以上学历，了解NLP基础技术
申请策略
- 准备一个可在线演示或详细讲解的LLM应用案例
- 关注工业场景中Agent自动化的落地难点，体现业务理解
- 突出完整的RAG或Agent项目，写明使用的框架、检索策略与效果指标
- 展示vLLM等推理优化或CUDA层面的实践经验
- 列出LangChain/LangGraph等框架的Tool/Function Calling开发案例
- 动手搭建一个端到端RAG系统，覆盖文档解析、切块、向量检索与重排全流程
- 学习vLLM的调度机制与量化部署方法
- 了解多模态应用的基本思路以覆盖加分项
面试指南
- 项目类问题用「背景—方案—难点—效果」结构展开，重点讲清权衡取舍
- 技术原理类问题先讲机制再结合自己的实践说明
- 开放设计类问题先明确需求约束，再分层给出方案与备选
- 请介绍你做过的RAG系统及检索效果优化手段
- LangChain等Agent框架的Tool/Function Calling你是如何设计与实现的？
- vLLM的推理优化机制你了解多少？
- 文档切块策略对RAG效果有什么影响，你会如何设计？
- CUDA编程与GPU显存管理在推理部署中如何应用？
职位点评
薪资福利70
成长发展90
工作生活55
使命价值65
薪资福利
70中等
JD 未披露薪资与福利信息，LLM应用算法岗市场价整体较高，硕士学历岗位议价空间好，但需以实际offer为准。
薪资信号未披露（AI估算：1.4千–2.0万/月）
成长发展
90较高
岗位明确要求跟踪大模型最新技术并落地，Agent与RAG是AI应用前沿方向，技术成长空间在四象限中最突出。
技术前沿前沿/新兴技术
技术栈AI Agent、RAG、LangChain、LangGraph、vLLM、TensorRT-LLM、CUDA、Embedding、Reranker
成长机会跟踪大模型领域最新技术进展
业务类型ambiguous
工作生活
55较低
JD 未提及办公模式与加班情况，仅提到保障系统稳定性和可用性，可能涉及上线期支持，但属推测，WLB情况未知。
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
65中等
岗位将大模型前沿技术落地到工业业务场景，方向有长期价值，但JD未提及使命愿景表述。
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
上海电气 的其他在招职位
相似职位推荐
Watch Jobs