中国电信
AI智能体开发工程师
AI智能体开发工程师
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AI产品经理
AI产品经理
Ai Agent
Llm
Mcp
Prompt Engineering
Rag
System Design
值不值得投
77综合评分
综合评分 77
央企平台、前沿AI技术、校招优选、技术成长驱动型岗位
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，方便比较职业起点。
薪资怎么样
1.2万
比AI产品经理中位数低
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 2230 个在招 · 其中AI产品经理 7 个
市场机会
选择不多
成都 · AI产品经理 · 7 个在招
职位详情
关于这个职位
该职位面向2027届毕业生，主要负责基于大语言模型和Agent框架（如LangChain）进行智能体应用的设计、开发与工程化落地
工作内容涵盖后端服务开发（Java）、RAG/MCP技术集成、模型调用优化及生产级服务稳定性保障，旨在构建可解决实际业务场景的AI Agent系统
最低要求
届本科及以上，计算机、软件工程、人工智能、数据科学、应用数学等相关专业
具备扎实的计算机和软件工程基础，理解数据结构、数据库、计算机网络及软件开发流程，了解生成式 AI、大语言模型基本原理和模型调用机制
掌握 Java，熟悉 Spring Boot、Spring Cloud、MyBatis 及关系型数据库，具备良好的编码、调试、接口设计和系统集成能力
了解 Python、Go、C++、TypeScript/JavaScript 中至少一种者优先
熟悉主流大模型应用开发技术，理解 Prompt、RAG、MCP、上下文管理、多轮对话、工具调用和模型调用机制等基本方法
熟悉 LangChain、LangGraph、LlamaIndex、AutoGen、Dify、CrewAI 等至少一种 Agent/LLM 应用框架，能够独立完成从 Demo 到生产服务的工程化落地
理解 ReAct、Plan-and-Execute、Reflection、Supervisor、多 Agent 协作、记忆系统、工具链编排等常见智能体架构范式
具备较强的业务抽象、逻辑分析、动手实践、沟通协作和自主学习能力，能够主动拆解复杂业务流程，对 AI 生成结果进行验证和独立判断，并推动方案在真实业务中落地
具有完整 AI Agent、Java 后端、系统升级重构或 AI 应用项目实践，或了解向量数据库、模型评测者优先
工作职责
负责面向业务场景的 AI 智能体系统设计、开发与落地，围绕意图理解、需求拆解、任务规划、多轮对话、记忆管理、工具调用等核心能力构建可用的 Agent 应用
参与企业级软件系统及 AI 应用建设，基于 Java、Spring Boot、Spring Cloud、MyBatis 等技术开展后端服务、业务功能及接口开发，支持系统持续建设与升级
基于大语言模型与 Agent 框架搭建智能体应用，负责主流框架的选型、开发、调优与工程化封装
接入大模型 API、本地化模型或企业私有模型，优化模型调用链路
运用 Prompt、RAG、AI Agent、MCP 等技术，将智能体能力与现有业务系统、工作流平台、数据库、第三方 API 及企业工具链进行集成，支撑各类业务场景
运用 AI Coding 辅助完成代码分析、功能开发、重构优化、调试及单元测试，并参与接口联调、效果验证、问题排查和性能优化
负责智能体应用的生产级服务化，包括接口设计、后端服务开发、权限控制、异常处理、限流降级、日志监控、成本控制、性能优化与稳定性保障
构建智能体效果评估与迭代机制，围绕任务完成率、响应速度、问答准确率、工具调用准确率、稳定性、安全性和用户反馈持续优化产品效果
协同需求、算法、前后端、测试及业务团队完成上线验收和持续迭代
持续跟踪大模型、AI Agent、RAG、MCP 及 AI 工程化技术，开展技术验证并沉淀技术文档、可复用组件、方法和研发实践
AI 洞察
优缺点分析
优点
- 平台优势：依托中国电信巨头平台，拥有海量真实业务场景和数据资源，项目落地性强
- 技术前沿：直接参与AI Agent这一最新技术方向，接触主流LLM框架，技术成长速度快
- 稳定性高：央企编制，工作稳定性强，福利体系完善，适合长期职业发展
- 校招友好：明确面向2027届应届生，提供完善的培养体系和导师指导
- 技术迭代快：AI领域变化迅速，需要保持高强度的自主学习和技术跟进能力
- 适合计算机相关专业应届硕士/本科生，对AI Agent充满热情，具备扎实编程基础和强烈求知欲的求职者
缺点 / 挑战
- 工程化挑战：将AI能力转化为稳定、可控的生产级服务，需克服幻觉、延迟、成本等多重技术难点
- 跨部门协作：需与算法、业务、测试等多团队紧密配合，对沟通和协调能力要求较高
角色解读
- 纵向深化：成为AI Agent架构师或大模型应用专家，主导复杂AI系统的顶层设计
- 横向拓展：向全栈AI工程师发展，或转向AI产品经理，连接技术与业务价值
- 行业领先：在电信行业数字化转型中积累深厚经验，成为具备行业Know-how的AI技术骨干
- 基于大语言模型和Agent框架（如LangChain）开发智能体应用，解决具体业务场景问题
- 使用Java/Spring Boot构建后端服务，负责API设计、系统集成及生产环境稳定性保障
- 实施RAG、MCP等技术，连接大模型与企业内部数据源及工具链，优化模型调用效果
- 建立智能体评估体系，通过数据分析持续迭代优化Agent的性能、准确性和安全性
- 扎实的Java后端开发能力，熟悉Spring生态及数据库技术
- 深入理解LLM应用开发，熟练掌握LangChain/LlamaIndex等框架及Prompt/RAG/MCP技术
- 熟悉Agent架构范式（如ReAct、多Agent协作），具备从Demo到生产落地的工程化能力
- 良好的业务抽象能力和逻辑思维，能独立拆解复杂流程并推动技术方案落地
申请策略
- 提前研究中国电信在AI领域的布局（如天翼云、星辰大模型），在面试中展现对公司业务的了解
- 准备一个完整的端到端AI项目案例，清晰阐述从需求分析、技术选型、开发调试到部署优化的全过程
- 突出AI Agent相关项目经历，详细描述使用的框架（LangChain等）、解决的问题及最终效果
- 强调Java后端工程能力，展示在高并发、稳定性保障方面的实践经验
- 体现对RAG、MCP等前沿技术的理解和实际应用案例，如有开源贡献更佳
- 展示业务抽象能力，举例说明如何将模糊的业务需求转化为具体的AI技术方案
- 深入学习LangChain/LangGraph源码及最佳实践，掌握Agent编排的高级技巧
- 强化Java微服务架构知识，特别是分布式系统下的性能优化和故障处理
面试指南
- STAR法则：情境(Situation)-任务(Task)-行动(Action)-结果(Result)，重点突出个人贡献和技术决策依据
- 技术深度：不仅回答“怎么做”，还要解释“为什么这么做”，对比不同方案的优劣
- 业务视角：将技术实现与业务价值挂钩，说明技术如何解决实际痛点或提升效率
- 反思总结：分享项目中遇到的坑及改进思路，展现学习能力和复盘习惯
- 请详细介绍你做过的一个AI Agent项目，你在其中承担的角色和技术难点是什么？
- 如何优化RAG系统的检索准确率？遇到过哪些长尾问题，是如何解决的？
- 在设计多Agent协作系统时，如何处理Agent间的通信和状态同步？
- Java后端服务如何保证高可用性？如果大模型API响应超时或失败，你的系统该如何容错？
职位点评
薪资福利75
成长发展90
工作生活60
使命价值70
薪资福利
75中等
作为已上市的央企巨头，提供稳定的薪酬福利和较高的职业安全感，但在互联网大厂高薪竞争中可能不占绝对优势，整体处于市场水准偏上水平。
薪资信号未披露（AI估算：8.0千–1.5万/月）
成长发展
90较高
职位聚焦于AI Agent这一前沿技术领域，提供接触主流框架和大规模业务场景的机会，技术成长空间巨大，符合高发展性动机。
技术前沿前沿/新兴技术
技术栈AI Agent、LangChain、LLM、RAG、MCP、Prompt Engineering
业务类型profit_center
工作生活
60中等
央企通常相对注重WLB，但AI研发岗位本身技术迭代快、压力大，且JD未明确提及弹性工作制，预计为常规办公节奏，生活平衡度中等。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
70中等
服务于国家数字基础设施建设和电信行业智能化转型，具有一定的社会价值和行业使命感，但JD中未直接强调社会影响力。
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