中国电信
软件研发工程师（绵阳主城区）
软件研发工程师（绵阳主城区）
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
Llm
Pytorch
Rag
Ragflow
向量数据库
值不值得投
70综合评分
综合评分 70
央企平台AI攻坚岗，技术栈前沿成长性好，但具体工作节奏与福利待确认。
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
16K
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 1570 个在招 · 其中人工智能 67 个
职位详情
关于这个职位
负责中国电信内部企业级AI应用的研发与落地工作，重点是基于大语言模型构建知识库、智能客服及办公助手
你需要负责开源大模型的本地部署、微调与Prompt优化，解决模型幻觉问题，用AI技术提升公司在市场、网络和管理方面的智能化服务水平
最低要求
熟练掌握Java、Python、C(C++)、Go等任意一种编程语言或者熟练掌握前端开发相关技能;
熟悉主流的开发框架或者具有一定的开发经历或者项目经验:
熟悉操作系统、数据库基本原理，并熟练掌握Linux以及主流数据库的基本操作:
熟悉理解RAG技术原理，有实际的向量数据库（如Milvus, ChromaDB, Elasticsearch）使用经验
熟悉数据清洗、分块（Chunking）策略及重排序优化
熟悉 PyTorch 或 TensorFlow 至少一种深度学习框架，了解Transformer架构，有HuggingFace模型使用或微调经验者优先;
熟练使用 Dify 或 RAGFlow 等开源大模型应用开发平台进行快速原型构建和落地
熟悉 LangChain / LlamaIndex 框架者优先;
具有较强的责任心和良好的团队协作精神，有较强的沟通能力
工作职责
负责企业IT系统、公共能力平台、运营管理工具、网络应用等的研发与运营，重点攻坚人工智能应用落地，基于大语言模型构建企业级知识库、智能客服及办公助手
负责开源大模型的本地部署、微调及Prompt优化，解决幻觉痛点，全面提升公司在市场经营、网络运营及企业管理方面的智能化服务水平
优先资格
有HuggingFace模型使用或微调经验者优先; 熟悉 LangChain / LlamaIndex 框架者优先
AI 洞察
优缺点分析
优点
- 身处大型央企平台，项目资源稳定，能接触到海量的真实业务场景和数据
- 工作内容聚焦前沿AI技术（LLM、RAG）的产业落地，技术成长性强
- 在二线城市提供核心研发岗位，生活成本相对较低，性价比可能更高
- 团队协作氛围明确，职责范围清晰，专注于技术攻坚
- 在大型组织中推动技术创新，可能需要适应一定的流程和规范
- 非一线城市，在接触前沿技术社区和行业人才交流方面可能不如一线城市便利
- 对AI应用开发充满热情，希望将大模型技术解决实际业务问题，并在稳定大平台中实现技术价值的工程师
- 适合追求技术深度与业务结合，且希望在新一线城市工作的求职者
缺点 / 挑战
- “攻坚人工智能应用落地”意味着需要解决实际生产环境中的复杂问题，技术挑战大
角色解读
- 技术专家路线：深耕AI应用架构与大模型优化，成为企业内AI技术领军人物
- 项目管理路线：从技术骨干向技术项目经理发展，负责复杂AI项目规划与交付
- 解决方案路线：结合电信行业知识，转型为AI解决方案架构师，驱动业务创新
- 负责企业级AI应用的研发与落地，特别是基于大语言模型的解决方案
- 进行开源大模型的本地部署、微调与性能优化，解决实际应用中的技术难题
- 利用RAG、向量数据库等技术构建知识库、智能客服，提升内部运营智能化水平
- 参与从需求分析到原型构建再到产品化交付的全流程开发
- 扎实的编程能力，至少精通Java、Python等一种后端语言，并有框架使用经验
- 熟练掌握大语言模型应用开发技术栈，如RAG、向量数据库、Prompt工程
- 具备深度学习框架（PyTorch/TensorFlow）基础，了解模型微调流程
- 熟练使用Linux和主流数据库，具备良好的系统部署和运维基础
申请策略
- 深入研究中国电信的数字化转型战略和智能化业务方向，在面试中体现你的业务理解
- 准备一个展示你技术栈的GitHub仓库或详细的技术博客，作为能力证明
- 面试时可重点阐述你对解决“大模型幻觉”问题的思考和实践
- 突出任何与LLM、RAG、向量数据库相关的项目经验或研究成果，即使是个人项目
- 强调使用PyTorch/TensorFlow进行模型微调或部署的具体经历
- 列举使用Dify、LangChain等工具构建AI应用的案例，展示快速原型能力
- 补充Linux环境、数据库操作和大型系统开发的项目经验
- 系统学习RAG技术原理与最佳实践，深入掌握ChromaDB或Milvus等向量数据库
面试指南
- 使用STAR法则（情境、任务、行动、结果）来结构化回答项目经验问题
- 技术问题回答时，先阐述基本原理，再结合你的具体实践，最后可以提一下遇到的困难和解决方案
- 对于场景设计题（如模型部署），分步骤（环境、依赖、模型、接口、监控）阐述思路，并强调安全、稳定性考量
- 请介绍一个你使用RAG或LLM技术解决实际问题的项目
- 在你之前的项目中，是如何进行数据清洗和分块（Chunking）来优化RAG效果的？
- 如果让你负责将一个开源大模型部署到企业内网环境，你会考虑哪些关键步骤和挑战？
- 请谈谈你对大语言模型“幻觉”问题的理解，以及你在项目中是如何尝试缓解的？
- 你如何评估一个智能客服或知识库系统的优劣？关注哪些指标？
职位点评
薪资福利65
成长发展82
工作生活55
使命价值78
薪资福利
65中等
作为大型央企的研发岗位，薪资福利应处于市场水准，但具体竞争力需结合地域和职级判断。JD未提及具体福利项，补偿性动机满足度中等。
薪资信号市场水准 (12K-20K/月)
成长发展
82较高
岗位职责明确要求掌握前沿的LLM应用技术（RAG、模型微调），并有清晰的攻坚任务，技术成长信号强烈，能提供扎实的技能积累。
技术前沿前沿/新兴技术
技术栈RAG、LLM、向量数据库、PyTorch、Dify、RAGFlow、Prompt工程、模型微调
成长机会攻坚人工智能应用落地
业务类型cost_center
工作生活
55较低
JD未明确工作模式，默认为现场办公。工作地点在二线城市，生活成本相对较低，但未提及任何WLB相关信号，工作节奏可能由项目攻坚任务决定。
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
78中等
在大型通信央企内部推动AI应用落地，直接服务于公司数字化转型和智能化升级，具有明确的业务价值和中等偏上的社会影响力（提升公共服务效率）。
行业发展稳定成熟行业
社会影响中性/一般
使命信号全面提升公司在市场经营、网络运营及企业管理方面的智能化服务水平
创新程度积极采用新技术
Watch Jobs