西门子
AI Native 架构师（企业级 AI Agent 开发平台）
AI Native 架构师（企业级 AI Agent 开发平台）
发布于 2 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
Agent Runtime
Ai安全治理
Ai架构设计
Llm应用
Python/Go/Java
Rag
云原生
模型微调
值不值得投
82综合评分
综合评分 82
前沿AI架构岗、大厂背书、技术成长极快，WLB待确认
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
7.3万
比架构师中位数高
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 200 个在招
市场机会
选择面较广
深圳 · 架构师 · 52 个在招
职位详情
关于这个职位
负责企业级AI Agent开发平台的整体技术架构规划与演进设计，涵盖Agent Runtime、模型接入、安全治理及性能优化等核心模块
需在总架构师指导下制定技术路线，推动AI工程化落地与跨团队协作，打造高可用、可扩展的企业级AI底座
最低要求
计算机科学、软件工程、人工智能或相关专业本科及以上学历
具备 8 年及以上软件研发经验，其中有 3 年及以上 AI/LLM 应用架构、Agent 系统或相关 AI 工程化实践经验
具备模型训练 / 微调工程平台、AI 数据治理平台架构经验优先
具备大型平台架构设计经验者优先
具备扎实的分布式系统、微服务、云原生和企业级软件架构能力，能够在总架构师指导下独立完成 AI 域内复杂系统的架构设计与技术决策，并向上输出完整方案
深入理解深度学习基础原理，掌握 Transformer 架构与自注意力机制、残差网络（ResNet）、BN 批量归一化等基础网络原理
深入理解 LLM 应用架构，熟悉 RAG、Tool Calling、Agent Workflow、上下文工程、记忆管理及模型编排等技术
理解大模型预训练、SFT/RLHF、LoRA 微调、模型蒸馏与量化原理，熟悉 AI 模型测试方法论与 AI 应用能力验证体系，能够搭建模型自动化测试、场景化基准评测、Agent 应用回归验证管线
能够设计自有模型训练 / 微调工程管线，评估模型结构、数据分布带来的效果、算力与推理约束
具备 Agent Runtime 或类似智能执行系统的实际设计或落地经验，理解长任务、状态管理、重试恢复、工具权限和非确定性控制等关键问题
熟悉 Python、Go、Java 或 TypeScript 中至少一种主流后端开发语言，能够通过代码验证关键架构设计并解决核心技术问题
熟悉 Docker、Kubernetes、消息队列、数据库、缓存、可观测性及常见云原生技术
熟悉 GPU 资源调度、训练 / 推理分离部署
具备 AI 应用评测、模型自动化测试、AI 应用能力验证、安全治理、性能优化和生产环境问题分析经验
具备优秀的系统思维、技术判断和跨团队沟通能力，能够在总架构师统筹下推动架构决策落地，而不仅是输出设计文档
工作职责
AI Native 平台整体架构设计
在平台总架构师的指导下，负责 XAgent 企业级 AI Agent 开发平台的 AI Native 技术架构规划、设计与持续演进，建立可扩展、可复用、安全可靠的企业级 Agent 技术底座
设计 AI 应用层、Agent Runtime、模型与上下文管理、Skill/Tool 执行层、知识检索、评测治理及云平台基础设施之间的分层架构和接口规范
明确 AI Native 能力与传统云平台能力的职责边界，复用现有身份认证、多租户、数据库、计费、消息队列及云基础设施，避免重复建设
结合工业企业及企业级应用需求，制定 AI 域内技术选型、架构原则、关键技术路线和中长期技术演进规划，方案提交总架构师参与整体平台技术路线评审
Agent Runtime 与智能执行架构
在平台总架构师的指导下，设计 Agent 的任务规划、执行循环、状态管理、长任务运行、暂停恢复、重试、超时控制及异常恢复机制
设计 Workflow、单 Agent、多 Agent 协作等不同执行模式，明确适用场景、执行约束和工程化边界
建立统一的模型接入、模型路由、推理策略、上下文组装、记忆管理及工具调用架构
设计 Skill/Tool 注册、发现、版本管理、执行协议、权限委托、运行隔离及结果校验机制，支持生态伙伴和第三方工具接入
针对工业业务中对准确性、可追溯性及安全性的要求，设计 AI 推理与确定性业务逻辑、工业控制及人工审批之间的安全边界，相关跨模块集成方案同步总架构师
AI 工程化、质量与安全治理
在平台总架构师的指导下，建立 AI Agent 评测体系，涵盖任务成功率、回答质量、工具调用准确性、执行稳定性、推理成本和响应延迟等指标
主导 AI 模型测试体系与 AI 应用能力验证平台设计，构建模型功能、精度、鲁棒性、对抗样本、分布漂移、版本对比的自动化测试能力
面向 Agent 应用场景搭建场景化测试集、回归用例、验收基准，实现模型、Agent 应用的自动化能力验证与版本准入门禁
主导自有模型与领域模型工程体系设计，构建训练数据治理、预处理、SFT/LoRA 微调、模型蒸馏、量化、版本管理的端到端管线
基于 Transformer、残差网络（ResNet）、BN 批量归一化等深度学习底层原理，评审模型结构方案，评估模型能力边界、收敛特性、显存开销、推理延迟与潜在缺陷
打通训练管线产出模型到平台模型网关、Agent Runtime 的全链路交付，支撑平台自有模型的持续迭代
设计 Agent 执行轨迹、日志、Tracing、异常分析及线上质量监控机制，实现问题可定位、结果可追溯、版本可回归
设计模型与 Prompt 版本管理、评测集管理、持续集成及发布质量门禁机制，支持 AI 应用持续迭代
设计企业级 AI 安全架构，包括提示词注入防护、数据权限控制、工具调用授权、敏感操作审批、沙箱隔离及审计追踪
针对模型非确定性和外部依赖不稳定等特点，建立降级、Fallback、人工介入及风险控制机制
平台性能、成本与规模化能力
在平台总架构师的指导下，设计适用于多租户企业场景的 AI 服务架构，支持多模型、多 Agent、多 Skill 及多业务场景的统一管理，实现训练任务与推理任务的资源隔离与调度
优化模型调用、上下文长度、缓存、并发执行、异步任务和资源调度策略，平衡任务成功率、响应延迟和推理成本
同步优化训练任务的数据 IO、显存利用率、训练时长与算力成本
设计 Token 用量采集、执行任务计量、训练算力计量、成本归因及可观测接口，与平台现有账户、计费和商业交易系统协同
推动 AI Native 平台与云原生基础设施深度融合，满足高可用、可扩展、可运维及企业级部署要求
资源申请、跨底座集成方案提交总架构师评审
技术领导与工程标准建设
在平台总架构师的指导下，主导 AI 域内关键技术方案评审、AI 域架构决策及重大技术问题攻关，推动架构从设计到生产落地
跨域整体方案提交总架构师终审
建立 AI Native 开发规范、接口标准、参考实现、技术文档和最佳实践，包含模型训练、模型测试、AI 应用能力验证、数据治理、模型交付规范，提升团队研发效率及交付质量
指导 AI Backend、FDE 及相关研发人员解决复杂技术问题，推动研发团队形成统一的技术实现和质量标准
与产品、业务、基础设施、安全及生态团队协作，将业务需求转化为可执行的技术路线和平台能力，方案同步总架构师评审
优先资格
有企业级 AI Agent 平台、Agent Runtime、AI 开发平台或 AI 基础设施平台的架构建设经验
有多租户 SaaS 平台、开发者平台、API Marketplace 或第三方生态平台建设经验
熟悉 MCP、Agent-to-Agent 协议、工具沙箱、策略引擎或多 Agent 编排架构
有工业 AI、工业软件、OT/IT 集成或企业级私有化部署经验
熟悉模型推理服务、GPU 资源调度、推理优化、模型网关及多模型治理
有大规模生产系统的可靠性治理、成本优化和安全架构经验
具备端到端模型训练平台、数据治理平台、AI 模型评测平台、LLM/Agent 自动化测试、AI 应用能力基准验证平台建设经验优先，能够设计训练数据管理、数据集版本、数据质量治理体系
AI 洞察
优缺点分析
优点
- 依托全球化平台资源，接触最前沿的AI Agent与企业级落地场景
- 技术栈高度契合当前AI基础设施发展趋势，个人技术壁垒快速积累
- 企业体系完善，项目规模大且对行业智能化转型具有深远影响力
- 架构决策需严格对齐总架构师与公司整体路线，自主探索空间受限
- 跨部门协同复杂，推动架构落地与标准统一的周期较长
- 适合拥有深厚架构功底、追求技术深度与工程化落地、能在强规范体系下高效协作的资深技术专家
缺点 / 挑战
- 工业级AI对安全性、稳定性要求极高，试错成本与合规压力较大
角色解读
- 可向首席架构师或技术总监方向发展，主导集团级AI战略技术布局
- 转型为AI产品线负责人，推动商业化落地与生态建设
- 在垂直行业（如工业AI）成为顶尖技术专家，引领行业标准制定
- 负责企业级AI Agent开发平台的整体技术架构规划与演进设计
- 主导Agent Runtime、模型接入、安全治理及性能优化等核心模块的方案制定
- 推动AI工程化落地与跨团队协作，确保架构从设计到生产环境的高质量交付
- 制定技术选型与中长期演进路线，并向总架构师输出完整架构方案
- 精通分布式系统与云原生架构，具备扎实的后端开发能力
- 深入理解LLM原理及RAG/Agent Workflow等前沿技术
- 掌握模型训练/微调管线设计与自动化评测体系
- 具备极强的系统抽象能力与技术风险管控意识
申请策略
- 提前研究目标企业工业软件与数字化转型战略，准备针对“AI+工业”场景的架构思考
- 面试时展现严谨的工程化思维、向上管理能力与跨域协同经验
- 突出主导过的复杂系统架构设计案例，重点展示AI Agent/LLM平台从0到1的建设经验
- 量化说明性能优化、成本控制及安全治理的具体成果
- 强调跨团队推动技术落地的实际影响力与架构决策记录
- 清晰呈现技术栈与云原生、AI工程化体系的匹配度
- 深化多Agent协作协议(MCP)、模型网关及推理优化技术
- 补充工业场景下的OT/IT融合知识与边缘计算架构
面试指南
- 采用STAR法则结构化回答，先阐述架构设计原则（如分层解耦、状态机管理），再结合具体技术选型与权衡过程
- 针对性能与成本问题，展示数据驱动的优化思路（如缓存策略、异步调度、资源隔离），并用压测数据证明效果
- 针对安全与可靠性，强调防御性设计、降级熔断机制及全链路可观测性建设
- 如何设计高可用、低延迟的Agent Runtime执行框架？
- 面对模型幻觉与非确定性，如何在企业级场景中保障业务逻辑的绝对可靠？
- 如何平衡多租户场景下的算力成本与推理性能？
- 请分享一次你主导的复杂架构决策及其落地过程中的挑战与应对
- 梳理过往主导的AI平台架构案例，准备详细的技术架构图、压测数据与故障复盘记录
职位点评
薪资福利85
成长发展92
工作生活65
使命价值78
薪资福利
85较高
企业薪酬体系成熟，针对高阶架构师提供市场偏高水平的基础薪资与福利保障，长期稳定性强。
薪资信号偏高 (5.5千–9.0万/月)
成长发展
92较高
岗位直接对接AI Agent前沿技术栈与平台级架构演进，技术视野开阔，成长路径清晰。
技术前沿前沿/新兴技术
技术栈Agent Runtime、LLM、RAG、Transformer、LoRA、Kubernetes、Python
业务类型profit_center
工作生活
65中等
企业通常注重工作生活平衡，但高阶架构岗需频繁参与跨域评审与技术攻关，工作节奏可能阶段性紧张。
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
78中等
致力于构建企业级AI底座，推动工业智能化转型，具有显著的行业技术引领价值与社会意义。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
西门子 的其他在招职位
相似职位推荐
Watch Jobs