中国电信
人工智能工程师
人工智能工程师
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
大模型微调
容器化
技术架构
数据处理
智能体(Agent)开发
模型部署
值不值得投
69综合评分
综合评分 69
央企平台AI岗，技术成长机会好，薪资福利预期稳定，工作模式需确认。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
15K
比人工智能中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 1150 个在招 · 其中人工智能 45 个
市场机会
选择不多
郑州 · 人工智能 · 2 个在招
职位详情
关于这个职位
这是中国电信面向应届毕业生的人工智能工程师岗位
你将负责将AI技术应用于客服系统、网络优化等运营商特色场景，工作内容包括大模型微调、智能体（Agent）开发、AI应用系统的设计开发与部署，以及数据处理和技术调研，覆盖从数据到模型的全链路技术实践
最低要求
年毕业的国内普通高等院校硕士及以上学历应届毕业生，能按时取得国家规定的学历和学位
年毕业的未就业的重点高校硕士及以上学历毕业生
海外毕业留学生应是2026年1月1日至2027年12月31日毕业的初次就业的国（境）外院校硕士及以上学历学位留学人员，且在报到入职前能够取得国家教育部留学服务中心认证的学历（学位）
身体健康，达到国家公务员通用体检标准
工作职责
需求与方案设计：对接业务方梳理AI应用场景，将业务诉求拆解为技术方案，完成可行性评估
应用开发与系统集成：负责AI应用系统的设计、开发及部署
模型微调与性能优化：负责大模型的微调，优化提升模型性能
智能体（Agent）开发：设计和开发能自主决策、调用工具的智能体（Agent），以实现自动化流程处理和复杂任务协作
数据处理：负责AI应用数据的全流程处理，包括采集、清洗、标注等
部署与运维：完成应用的容器化部署与服务化上线，持续监控服务可用性、并发、时延及成本
技术调研与文档：持续跟踪AI前沿技术，并编写相关技术文档
业务场景结合：侧重于将AI应用于客服系统、网络优化等运营商特有场景
全链路覆盖：职责覆盖从数据集处理、模型微调到模型验证的全流程
技术架构与集成：强调技术架构设计，主导模型在生产环境的服务化部署与性能优化
AI 洞察
优缺点分析
优点
- 技术栈前沿：直接接触大模型微调、智能体开发等当前AI领域最热门的技术，能快速积累前沿项目经验
- 业务场景清晰：AI技术有明确的落地场景（客服、网络优化），能清晰看到技术价值，避免‘为技术而技术’
- 平台稳定：入职大型央企平台，项目资源和职业稳定性有保障，适合应届生打好职业基础
- 全链路实践：有机会参与从数据处理、模型开发到部署运维的完整AI项目生命周期，锻炼综合能力
- 运营商场景特殊性：需要理解电信行业特有的业务逻辑和网络架构，存在一定的行业学习曲线
- 应届生身份限定：招聘对象限定为特定年份的应届毕业生，对求职者毕业时间和身份有严格要求
- 希望进入大型平台、将AI技术应用于实体行业场景的应届理工科硕士毕业生
- 对技术有热情，具备一定的编程和机器学习基础，并愿意在稳定环境中长期深耕AI技术应用
缺点 / 挑战
- 技术深度与广度要求高：岗位要求覆盖数据、算法、工程、运维多个环节，对学习能力和技术广度有挑战
角色解读
- 技术专家路径：在人工智能、特别是大模型应用与优化领域深耕，成为解决复杂AI问题的技术专家或架构师
- 项目管理路径：凭借技术背景和业务理解，逐步承担更多项目管理和团队协调职责，走向技术管理岗位
- 行业解决方案专家：深入理解电信行业运营场景，成为将AI技术与电信业务深度融合的复合型专家
- 将抽象的业务需求（如客服、网络优化）转化为具体的人工智能解决方案
- 开发和训练人工智能模型，特别是大语言模型的微调和智能体（Agent）的构建
- 负责AI应用从数据处理、模型开发到上线部署运维的全流程工作，确保模型稳定高效运行
- 扎实的编程与AI基础：熟悉Python，掌握主流深度学习框架（如TensorFlow或PyTorch）
- 大模型与Agent技术：具备大模型微调、Prompt Engineering、智能体设计与开发等相关知识或实践经验
- 工程化能力：了解容器化技术（如Docker、Kubernetes）和云平台，能将模型服务化部署，并进行性能监控和优化
- 数据处理能力：能够完成数据采集、清洗、标注等全流程工作，为模型训练准备高质量数据
申请策略
- 关注招聘时间节点：这是校园招聘，请密切关注中国电信官方招聘网站或目标高校就业信息网发布的网申和笔试时间
- 准备针对性面试：面试可能涉及技术基础、项目深挖和场景设计题，需要结合AI技术和电信场景进行准备
- 突出与JD匹配的项目经验：重点展示大模型微调、Agent应用、模型部署、数据处理相关的课程项目、比赛或实习经历
- 强调技术栈熟练度：清晰列出掌握的Python库、深度学习框架、容器化工具等，并附上可验证的成果（如GitHub链接、论文）
- 展现学习与解决问题的能力：通过项目描述体现你是如何学习新技术、解决实际问题的，这对应届生尤为重要
- 匹配业务场景（若有）：如果此前有与通信、客服、自动化流程相关的项目经验，务必清晰阐述
- 深化大模型应用技术：系统学习大模型微调（如LoRA）、Prompt Engineering、Agent框架（如LangChain）等技术
- 补充云原生与MLOps知识：了解Docker、Kubernetes基础，学习模型监控、持续训练等MLOps理念，提升工程化能力
面试指南
- 项目介绍框架：使用STAR法则（情境、任务、行动、结果）清晰描述项目，重点突出你的个人贡献、技术选型和解决问题的思路
- 方案设计框架：从业务目标出发，拆解核心问题，提出可行的AI技术路径（如使用何种模型、处理何种数据），并简述评估方案
- 技术深度框架：不仅说出方法名称，还要能解释其原理、优缺点及适用场景，体现你的深入理解而非浅尝辄止
- 请介绍一个你做过的最能体现AI能力的项目，并说明你具体负责的部分和遇到的挑战
- 如何将一个业务问题（如提升客服效率）转化为一个AI技术方案？请描述你的思考过程
- 大模型微调有哪些常见方法？你了解或实践过哪些？（如全量微调、LoRA等）
- 如何保证部署后的AI模型服务稳定运行？你会关注哪些监控指标？
- 对于运营商网络优化场景，你认为AI技术可以如何发挥作用？
职位点评
薪资福利60
成长发展85
工作生活50
使命价值75
薪资福利
60中等
作为央企校招岗位，其薪资福利体系通常较为规范，能提供稳定的收入和保障，但JD未披露具体薪资数字，具体竞争力需结合录用时的offer判断。
薪资信号面议 (12K-18K/月)
成长发展
85较高
该岗位能提供接触AI前沿技术（大模型、Agent）的宝贵机会，且职责覆盖全链路，对技术成长帮助很大。校招进入央企平台，通常有系统的培养体系。
技术前沿前沿/新兴技术
技术栈大模型微调、智能体(Agent)、容器化部署、数据处理
成长机会全链路覆盖、技术架构与集成、技术调研与文档
业务类型profit_center
工作生活
50较低
JD未提及任何关于工作模式、弹性工作或WLB的信息，无法判断其办公灵活性与工作强度，求职者需在面试中确认。
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
75中等
将人工智能技术应用于国家重要的通信基础设施优化和客户服务提升，具有明确的社会价值和行业价值，能带来一定的使命感。
行业发展稳定成熟行业
社会影响正向社会影响力较高
使命信号业务场景结合：侧重于将AI应用于客服系统、网络优化等运营商特有场景
创新程度积极采用新技术
Watch Jobs