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
软件工程
RAG
LLM
CI/CD
LangGraph
MCP
A2A
Ml/Dl
AI 估算 · 30k–50k
AI/ML工程师需求旺盛，康宁作为跨国巨头提供有竞争力薪资，上海生活成本较高，月薪中位数40k合理。
职位详情
关于这个职位
作为康宁的AI/ML工程师，你将负责设计、构建和部署生产级的AI代理及机器学习模型，利用LangGraph、Databricks和AWS等技术栈，与业务和技术团队合作推动数据驱动的创新
这一职位适合拥有5年以上经验、精通Python和LLM应用的AI专家，致力于在跨国巨头中打造可扩展的AI产品
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LLM驱动应用或代理式AI解决方案的实践经验
具备Databricks、基于Git的开发工作流、CI/CD管道以及AWS等云数据平台的实践经验
具有LangGraph或同类代理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
具备AI辅助编码工具使用经验者优先
具有敏捷开发、版本控制、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代理，包括监督代理和多模态应用
使用MCP实现代理-工具和代理-数据集成，并通过A2A实现跨代理通信
开发可重用的代理开发模式、代理技能和共享组件，将其集成到标准开发工作流中，并贡献到现有内部包
在适当情况下设计、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/代理评估
与业务和技术利益相关者合作，识别数据驱动的创新机会
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、可重用的AI产品的架构和开发做出贡献
持续改进敏捷工作流，参与跨职能开发计划
优先资格
【技术资质】
具有RAG架构、多代理编排、工具使用代理和多模态代理系统的经验
了解AI系统中的代理协议、授权模式和MLOps实践
具有数据工程、数据管道自动化和云平台可扩展数据处理的经验
【其他资质】
表现出持续学习新技能的好奇心和能力
在分析问题时具有系统视角，能考虑整体运营、故障模式并主动解决问题
强人际沟通能力，能建立关系、跨团队协作并清晰表达想法
主动、适应性强，愿意主动推动结果，以积极态度拥抱变化
能在敏捷产品团队环境中工作，平衡多样化的利益相关者需求
优秀的书面和口头沟通能力，能分解复杂技术系统以帮助业务伙伴理解价值
强大的技术协作和沟通能力，能通过社区参与推动文化变革和最佳实践采纳
能与其他团队合作定义技术路线图，分享经验和经验教训以实现持续改进
流程导向，具备良好的文档技能
AI 洞察
优缺点分析
优点
- 接触前沿AI技术栈（LangGraph、MCP、A2A），技能积累价值高
- 跨国巨头平台，资源丰富，可参与全球化AI产品开发
- 工作内容兼具算法与工程，实践性强，能积累生产级经验
- 制造业环境下AI落地可能较慢，需适应传统企业流程
- 适合有丰富AI工程经验、热爱技术深耕、希望在外资大平台稳定发展的资深工程师
缺点 / 挑战
- 要求5年以上经验且涉及多领域技术栈，入门门槛较高
- 未提及远程办公选项，可能需要较高通勤成本
角色解读
- 深入AI代理和LLM前沿技术，成为企业级AI架构专家
- 向技术负责人或AI产品经理方向发展，领导跨团队AI项目
- 在康宁内部跨部门轮岗或晋升为高级工程师/首席科学家
- 设计并构建生产级AI代理系统，利用LangGraph等框架实现多代理协作和工具调用
- 开发机器学习与深度学习模型，支持业务需求，并参与数据处理和特征工程
- 与业务和技术团队合作，将复杂问题转化为AI解决方案，并推动敏捷开发流程
- 扎实的Python和SQL编程能力，熟悉LangGraph、LangChain等AI代理框架
- 精通Databricks、AWS等云平台，掌握CI/CD和Git工作流
- 理解RAG架构、向量数据库和LLM应用，具备ML/DL建模经验
申请策略
- 在面试中强调系统思维和跨团队协作能力，与JD中Other Qualifications匹配
- 了解康宁的业务背景（材料科学、制造），思考AI如何赋能传统行业
- 突出生产级AI代理或LLM应用项目经验，尤其使用LangGraph或其他编排框架
- 强调云平台（AWS）和大数据工具（Databricks）的实际操作案例
- 展示端到端ML项目经历，包括数据处理、模型部署和CI/CD实践
- 如不熟悉MCP/A2A协议，可提前学习相关开源规范和示例
- 补充MLOps和代理系统架构知识，了解多代理通信模式
面试指南
- STAR法则：情境-任务-行动-结果，突出技术选型原因和成果
- 系统分析：从需求、设计、实现到运维全链路阐述，体现工程化思维
- 对比方案：讨论不同技术选项的权衡（如LangGraph vs 其他框架），展现深度
- 请描述一个你从零构建并部署生产级AI代理的项目，使用过哪些框架？
- 如何设计一个多代理系统使其能可靠地处理工具调用和跨代理通信？
- 在RAG架构中，如何处理文档分块和检索质量优化？
- 你如何在团队中推动AI最佳实践和代码复用？
- 对MLOps和模型生命周期管理有什么经验？
职位点评
61
综合评分
前沿AI技术栈、跨国巨头平台、薪资有竞争力，但WLB未明确且要求较高经验。
更适合这类人
该职位最适合看重技术成长和前沿领域发展的求职者，对工作生活平衡要求不高的候选人。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展75
工作生活40
使命价值70
薪资福利
60中等
薪资未在JD中明确，但康宁作为跨国巨头通常提供有竞争力的薪酬和福利，不过具体细节不详。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
75中等
该职位涉及前沿AI技术（LLM、代理框架、RAG），技术成长空间大，但JD未明确提及培训或晋升通道。
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
40较低
JD未提及远程或弹性工作，工作地点为上海现场办公，且无WLB相关描述，灵活性有限。
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
康宁在材料科学领域具有世界影响力，该职位可参与创新产品开发，但使命表述较泛。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs