Zhuanzhuan logo
转转
AI工程师(J14475)

AI工程师(J14475)

发布于 8 天前

普通员工/个人贡献者

AI 估算 · 3.0–5.0万 · 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 Coding Agent
Ai架构设计
向量数据库
图数据库
大模型应用
知识图谱

值不值得投

80综合评分

综合评分 80

前沿AI技术栈、高成长潜力、大厂平台、工作强度中等偏上

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AI算法中位数低

发布情况

正常在招 · 9 天前发布

市场机会

选择适中

北京 · AI算法 · 50 个在招

职位详情

关于这个职位

负责AI Coding Agent的架构设计与核心开发,利用大模型技术优化代码生成与调试能力

构建企业级AI技术架构,结合本体论建模与图/向量数据库搭建知识体系,推动AI技术与业务场景的深度融合落地

最低要求

本科及以上学历,计算机、人工智能、数据科学等相关专业,2-4年大模型或AI工程化经验

深入理解大模型应用逻辑,对AI Coding Agent有深度思考与实践经验,精通代码生成、智能调试相关技术
具备企业大规模AI落地实践经验,清晰掌握AI赋能业务的实施路径与落地方法
精通本体论建模、企业数据治理核心方法论,对本体即代码有深刻认知与实践
熟练使用OntoFlow等本体工程开源框架,具备本体建模、验证、迭代与自动化管理经验
熟练运用图数据库(如Neo4j、NebulaGraph)、向量数据库(如Milvus、Chroma),具备相关业务产品开发经验
具备AI时代新技术架构设计能力,对知识图谱、语义检索、企业知识内化有深度理解

工作职责

负责AI Coding Agent的架构设计、核心功能开发与优化,深度打磨代码生成、代码理解、自动化调试能力

构建企业级AI技术架构,规划大规模AI落地路径,推动AI技术与业务深度融合
负责企业领域本体论建模、数据治理体系搭建,践行本体即代码(Ontology as Code)理念
使用OntoFlow等开源框架,实现本体工程自动化、本体迭代与治理全流程管理
基于图数据库、向量数据库搭建企业知识存储与检索体系,支撑知识内化、智能推理与业务开发
深耕AI时代企业级技术架构演进,梳理业务知识体系,输出标准化AI赋能架构方案

优先资格

有AI+业务深度融合项目、企业知识中台搭建经验者优先

AI 洞察

优缺点分析

优点

  • 处于AI前沿领域,接触大模型、本体工程等热门且高壁垒的技术
  • 平台较大,有机会在企业级大规模场景中实践AI落地
  • 技术栈新颖,有助于构建差异化的核心竞争力
  • 要求同时具备大模型应用和本体工程知识,学习曲线陡峭
  • 企业级AI落地往往涉及复杂的业务协调,沟通成本高
  • 技术迭代极快,需要保持持续高强度的学习能力
  • 适合在大模型应用层有深厚积累,且对知识工程和系统架构感兴趣的中高级技术人员

缺点 / 挑战

暂无明显挑战项

角色解读

  • 成为AI架构师或首席技术专家,主导企业级AI战略规划
  • 向AI产品负责人转型,负责AI产品的商业化落地
  • 在知识图谱与大模型融合领域成为行业顶尖人才
  • 研发和优化AI Coding Agent,提升代码生成、理解和自动调试的能力
  • 设计企业级AI技术架构,将大模型能力融入业务流程
  • 构建基于本体论的企业知识体系,利用图数据库和向量数据库实现知识检索与推理
  • 推动AI技术在企业内部的大规模落地与应用
  • 精通大模型应用开发,特别是AI Coding Agent相关技术栈
  • 熟练掌握本体论建模及OntoFlow等工具,具备数据治理能力
  • 熟悉图数据库(Neo4j等)和向量数据库(Milvus等)的原理与应用
  • 具备复杂系统架构设计能力,能将AI技术与业务场景深度结合

申请策略

  • 准备一个完整的从数据采集、本体建模到AI应用落地的端到端案例
  • 了解转转的业务场景,思考AI如何赋能其二手交易生态
  • 突出AI Coding Agent或类似AI辅助编程项目的实战经验
  • 详细展示本体论建模、知识图谱构建的具体案例和技术细节
  • 强调在大规模AI落地项目中的角色和成果,体现业务价值
  • 深入学习OntoFlow等本体工程框架的使用
  • 强化图数据库和向量数据库的性能优化与集成经验
  • 补充对企业数据治理方法论的理解

面试指南

  • 采用STAR法则(情境、任务、行动、结果)描述项目经历
  • 重点阐述技术选型的理由、遇到的挑战及解决方案
  • 强调业务价值,用数据证明AI带来的效率提升或成本降低
  • 请详细介绍你设计的AI Coding Agent的架构及其核心难点
  • 你是如何进行本体论建模的?如何处理本体冲突和演化?
  • 在大规模AI落地中,如何解决数据质量与知识内化的问题?
  • 对比传统知识图谱与大模型RAG,你认为各自的优劣及结合点是什么?
  • 复习大模型微调、Prompt Engineering及Agent开发最新进展

职位点评

薪资福利85
成长发展92
工作生活60
使命价值75

薪资福利

85较高

作为C轮后跨国巨头企业的核心AI岗位,薪资水平通常高于市场平均,且福利体系完善,能满足较高的补偿性动机。

薪资信号未披露(AI估算:3.0千–5.0万/月)

成长发展

92较高

职位涉及AI Coding Agent、本体工程、知识图谱等前沿交叉领域,技术壁垒高,成长空间巨大,能极大满足发展性动机。

技术前沿前沿/新兴技术
技术栈AI Coding Agent、大模型、OntoFlow、本体论建模、图数据库、向量数据库
业务类型profit_center

工作生活

60中等

互联网大厂核心研发岗位通常工作节奏较快,JD未提及弹性工作制,可能面临一定的工作压力,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

75中等

通过AI技术赋能企业业务,提升生产效率,具有一定的社会价值和行业影响力,但主要侧重于商业效率提升。

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