中国电信
业务应用开发工程师（本体工具研发方向）
业务应用开发工程师（本体工具研发方向）
发布于 6 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Agent工作流
Neo4J
业务抽象
提示词工程
本体建模
知识图谱
Protégé
低代码配置
值不值得投
78综合评分
综合评分 78
行业头部平台、前沿AI技术栈、业务与模型结合紧密，薪资福利稳定但具体未披露。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
2万
比人工智能中位数高
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 2530 个在招 · 其中人工智能 约 110 个
市场机会
选择面较广
北京 · 人工智能 · 约 620 个在招
职位详情
关于这个职位
该职位主要负责对接业务方，利用本体工具平台进行场景构建与原型搭建，推动业务场景落地
同时需要将业务语言转化为本体模型，沉淀可复用资产，并参与平台能力建设，兼具使用者与建设者双重角色
最低要求
计算机、软件工程、信息管理、工业工程、自动化等专业
具备业务抽象与结构化思维能力，能够将复杂需求收敛为清晰模型
具备落地实施能力：能够基于平台完成配置与原型搭建，具备基础技术理解力（熟悉平台配置、提示词编写、简易流程编排），而非仅撰写文档
能够独立对接业务方并完成落地推动
了解本体/知识图谱概念者优先
工作职责
对接业务方，使用本体能力调研表开展调研，厘清业务域、流程、痛点与现有系统
将业务语言转化为主体语言：梳理实体、属性、关系、约束，输出可评审的本体模型与建模模板
依托本体工具平台自主完成场景构建：运用平台的可视化建模、低代码配置、提示词工程及轻量智能体/Agent 工作流
搭建可运行的场景原型与试点验证，推动场景走完“对接 → 原型 → 试点 → 落地 → 价值验证”全流程
平台资产沉淀：沉淀可复用资产（本体模板 / 组件 / 提示词包 / Agent 流程）至平台资产库，落实“做业务即打磨产品”
参与平台能力建设：作为平台一线使用者，将落地过程中所需的建模、配置及智能体能力反馈至平台，推动平台易用性持续优化——兼具使用者与建设者双重角色
维护业务台账与本体资产库，保障“场景—资产—复用”关系可追溯
优先资格
使用过 Protégé、Neo4j、Dify / LangChain 等任一建模或智能体工具
具备从 0 到 1 独立完成小型项目并落地的经验
有将经验沉淀为方法论/模板的习惯
AI 洞察
优缺点分析
优点
- 依托行业头部平台，业务场景丰富且数据资源庞大，具备广阔的应用空间
- 接触本体、知识图谱、Agent等前沿AI技术，技术栈具有前瞻性和稀缺性
- 兼具使用者与建设者角色，能深入理解业务痛点与技术落地的结合
- 需要平衡业务场景的快速落地与平台资产的长期沉淀双重目标
- 适合具备较强业务抽象能力、对知识图谱和AI Agent感兴趣，且希望在大平台深耕技术与业务结合的求职者
缺点 / 挑战
- 需要频繁对接业务方，对沟通能力和业务理解力要求较高，需处理模糊需求
- 本体建模和知识图谱在实际业务中落地周期较长，可能面临推进困难与价值验证压力
角色解读
- 从业务应用开发工程师向本体架构师或业务解决方案专家发展
- 也可向平台产品经理或AI应用落地负责人转型，深耕技术与业务结合领域
- 对接业务方调研需求，将业务语言转化为结构化的本体模型与知识图谱
- 依托本体工具平台搭建场景原型，运用低代码、提示词工程和Agent工作流推动业务场景落地验证
- 沉淀可复用资产至平台资产库，并反馈平台优化建议，兼具使用者与建设者双重角色
- 具备业务抽象与结构化思维能力，能将复杂需求收敛为清晰模型
- 熟悉平台配置、提示词编写及简易流程编排，具备扎实的落地实施能力
- 了解本体与知识图谱概念，能独立对接业务方并推动项目闭环
申请策略
- 了解公司在数字化转型和AI大模型方面的战略布局，准备一些关于如何利用知识图谱赋能通信业务的思考
- 突出业务抽象与结构化思维能力，展示将复杂需求转化为模型或系统设计的实际案例
- 强调落地实施能力，如使用低代码平台、提示词工程或Agent工具完成项目的经历
- 若有知识图谱或本体建模相关项目，需重点展示从0到1的落地过程与资产沉淀成果
- 提前熟悉Protégé、Neo4j等本体建模工具，以及Dify、LangChain等智能体框架的基本使用
- 学习提示词工程（Prompt Engineering）和轻量级Agent工作流编排，提升实操能力
面试指南
- 采用STAR法则回答项目经验，重点突出“业务痛点-抽象建模-工具落地-价值验证”的闭环
- 对于技术概念题，结合具体业务场景进行解释，避免纯理论背诵，强调技术如何解决实际业务问题
- 请分享一个你将复杂业务需求转化为结构化模型或系统设计的案例
- 你如何理解本体和知识图谱？在实际业务中如何应用并体现价值？
- 在使用低代码平台或Agent工具搭建原型时，遇到过什么困难，如何解决的？
- 如何平衡业务场景的快速落地与平台资产的长期沉淀？
- 复习本体建模、知识图谱及Agent工作流的核心概念，并准备1-2个结合通信行业的应用场景设想
- 熟悉Dify或LangChain的基本使用，能够口述或演示简单的Agent工作流编排逻辑
职位点评
薪资福利75
成长发展85
工作生活70
使命价值80
薪资福利
75中等
公司薪资福利体系完善且稳定性高，但整体薪资水平可能不及互联网头部企业，属于市场中上水准。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
85较高
岗位涉及本体、知识图谱、Agent等前沿AI技术，且要求沉淀资产和推动平台优化，技术成长空间大。
技术前沿前沿/新兴技术
技术栈本体建模、知识图谱、Agent工作流、提示词工程、Protégé、Neo4j、Dify、LangChain
业务类型ambiguous
工作生活
70中等
公司背景通常工作节奏相对规律，但岗位需频繁对接业务方并推动落地，可能存在一定的沟通与项目推进压力。
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
80较高
依托公司庞大的业务场景与数据资源，推动业务数字化转型与AI技术落地，具有较高的行业价值。
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