康宁
AI/ML Engineer
AI/ML Engineer
发布于 大约 17 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
本科
信息技术与基础设施
SQL
RAG
LLM
CI/CD
LangGraph
AI 估算 · 30k–50k
外企巨头，高级AI工程师，上海，市场对标月薪3-5万，13薪。
职位详情
关于这个职位
该职位是康宁IT部门的AI/ML工程师，负责设计、构建和部署生产级AI智能体（包括监督智能体和多模态应用），集成LLM、RAG和Agent框架，并与业务团队协作推动数据驱动创新
适合有5年以上经验、精通Python和云计算平台的技术专家
最低要求
计算机科学、工程、数据科学或相关技术领域的学士学位
年以上数据分析、机器学习或AI解决方案开发经验
在生产或类生产环境中构建过LLM驱动应用或智能体AI解决方案的实践经验
具有Databricks、基于Git的开发工作流、CI/CD流水线和AWS等云数据平台的实践经验
具有LangGraph或类似智能体编排框架的实践经验
熟悉LangChain、嵌入模型、向量数据库和RAG架构
精通Python和SQL
有AI辅助编码工具经验者优先
具有敏捷开发、版本控制系统、测试和生产部署实践的经验
工作职责
使用LangGraph等框架设计、构建和部署生产级AI智能体，包括监督智能体和多模态应用
使用MCP实现智能体-工具和智能体-数据集成，并使用A2A实现跨智能体通信
开发可复用的智能体开发模式、智能体技能和共享组件，将其集成到标准开发工作流中，并为现有内部包做出贡献
在适当的情况下设计、构建和部署ML、DL和统计模型，以支持业务和AI产品需求
使用Python、Databricks、AWS和GitLab CI/CD进行数据处理、特征工程、模型/智能体评估
与业务和技术利益相关者合作，识别数据驱动创新的机会
将复杂、松散定义的问题转化为可操作的分析和AI解决方案
为可扩展、可复用的AI产品的架构和开发做出贡献
持续改进敏捷工作流，并参与跨职能开发计划
优先资格
技术资格：
具有RAG架构、多智能体编排、工具使用智能体和多模态智能体系统的经验
了解智能体协议、授权模式和AI系统中的MLOps实践
具有数据工程、数据管道自动化和云平台上的可扩展数据处理经验
其他资格：
表现出持续学习新技能的好奇心和能力
分析问题时具有系统视角，考虑整体运作、故障模式并主动解决问题
出色的人际和沟通能力，能够建立关系、跨团队协作并清晰表达想法
积极主动、适应性强，愿意主动推动结果并积极拥抱变化
能够在敏捷产品团队环境中工作，平衡多样化的利益相关者请求
优秀的口头和书面沟通能力，能够简化复杂技术系统以帮助业务伙伴理解价值
较强的技术协作和沟通能力，以及通过社区参与推动文化变革和最佳实践采纳的能力
能够与全公司其他团队协作，定义技术路线图，分享经验和教训以实现持续改进
以流程为导向，具有出色的文档记录能力
AI 洞察
优缺点分析
优点
- 康宁作为材料科学巨头，IT部门创新投入大，技术栈前沿，学习机会多
- 涉及LLM、Agent、RAG等热门技术，市场价值高，跳槽竞争力强
- 外企文化相对规范，工作流程成熟，有助于培养工程化思维
- 作为IT支撑部门，可能不直接产生收入，资源调配需争取
- 适合有扎实AI工程背景、热爱前沿技术、愿意在大型组织中推动技术落地的资深工程师
缺点 / 挑战
- 要求5年以上经验且技术栈广泛，门槛较高，需持续学习
- 生产级AI系统挑战大，需处理可靠性、可扩展性等问题
角色解读
- 技术路线：从AI工程师成长为高级AI专家或架构师，主导AI产品设计
- 管理路线：可晋升为技术团队负责人或AI领域负责人，协调跨部门项目
- 行业路线：积累材料科学+AI经验，成为垂直领域稀缺人才
- 设计并构建生产级AI智能体，使用LangGraph等框架实现多模态和跨智能体通信
- 开发可复用的智能体组件和模式，集成到CI/CD流程中，确保稳定部署
- 与业务团队协作，将复杂问题转化为AI解决方案，推动数据驱动创新
- 精通Python和SQL，具备扎实的机器学习、深度学习知识
- 熟悉LangGraph、LangChain、RAG、向量数据库等LLM生态技术
- 掌握Databricks、AWS等云平台和CI/CD工具，具备生产环境部署经验
申请策略
- 研究康宁的业务场景（如玻璃、陶瓷、生命科学），思考AI如何赋能，在面试中体现业务理解
- 准备一个端到端的Agent项目案例，从需求到部署完整讲述
- 突出生产级LLM/Agent项目经验，详细说明技术选型和落地效果
- 强调LangGraph、Databricks、AWS等关键词，展现技术匹配度
- 展示跨团队协作和系统设计能力，用案例说明如何解决复杂问题
- 若缺乏LangGraph经验，可快速学习官方教程并搭建demo
- 熟悉MCP和A2A协议，了解最新的多智能体标准
- 补充MLOps和CI/CD相关知识，提升工程化水平
面试指南
- STAR方法：描述情境、任务、行动和结果，突出技术选型和效果
- 对比替代方案：说明为什么选某个技术（如LangGraph vs. 其他框架），展现深度
- 量化结果：用指标（延迟、准确率、成本）证明方案有效性
- 请描述你用LangGraph设计的一个Agent系统，包括架构、难点和解决方案
- 如何评估和优化RAG系统的性能？
- 在多Agent系统中，如何保证通信可靠性和数据一致性？
- 你如何处理生产环境中LLM输出的不确定性和幻觉问题？
- 请举例说明你如何将一个模糊的业务需求转化为技术方案
职位点评
68
综合评分
稳定外企AI工程师，前沿技术栈，成长空间大，但WLB一般。
更适合这类人
适合追求技术成长、愿意在稳定外企深耕前沿AI的工程师，对弹性办公要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展85
工作生活50
使命价值70
薪资福利
65中等
薪资未公开，但外企巨头高级岗位通常有竞争力，福利未提及，补偿性动机满足一般。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
85较高
技术栈前沿（Agent、LLM、MCP），成长路径清晰，发展性动机满足较好。
技术前沿前沿/新兴技术
技术栈LangGraph、MCP、A2A、RAG、LLM、Databricks、AWS
业务类型ambiguous
工作生活
50较低
未明确远程或弹性，默认现场办公，WLB信号缺失，生活化动机满足有限。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
康宁业务有社会价值（生命科学、汽车等），但AI部门作为内部支撑，使命感中等。
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
Watch Jobs