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 1 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
Ai Agent
Mcp
Rag
大语言模型(Llm)
工程化落地
系统架构设计
值不值得投
73综合评分
综合评分 73
聚焦大模型与智能体前沿技术，平台稳定，侧重工程落地与业务赋能。
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
1.6万
与人工智能中位数基本持平
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 2350 个在招 · 其中人工智能 约 110 个
市场机会
选择适中
重庆 · 人工智能 · 22 个在招
职位详情
关于这个职位
本岗位主要负责面向业务场景的AI智能体系统设计与开发
候选人需基于Java生态及主流大模型框架搭建智能体应用，熟练运用Prompt、RAG、MCP等技术实现能力集成
工作涵盖从Demo验证到生产级服务化的全链路工程落地，包括接口设计、性能优化、效果评估迭代及技术沉淀，助力企业级软件系统的智能化升级
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
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
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
优先资格
了解Python、Go、C++、TypeScript/JavaScript中至少一种者优先
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
AI 洞察
优缺点分析
优点
- 接触大模型与智能体前沿技术栈，技术成长空间大
- 依托央企平台资源，业务场景丰富且稳定
- 需兼顾传统Java后端与新兴AI工程化开发，知识跨度较大
- 生产级服务化对稳定性与性能要求极高
- 适合计算机基础扎实、对AI应用落地有强烈兴趣、具备较强自学与工程实践能力的应届毕业生
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI架构师、大模型算法工程师或智能体产品负责人方向发展，逐步主导复杂业务场景的AI解决方案
- 负责AI智能体系统的全链路开发，包括意图识别、任务规划、多轮对话等核心模块的设计与实现
- 熟练掌握Java后端开发体系，深入理解大语言模型调用机制及Prompt/RAG/MCP等前沿应用技术
申请策略
- 提前研究目标业务部门的智能化转型方向，准备1-2个完整的AI应用落地案例以备面试展示
- 突出Java后端项目经验，重点展示大模型应用开发、Agent框架使用或RAG/MCP相关实践经历
- 补充LangChain/LlamaIndex等主流框架源码阅读，强化向量数据库与模型评测基础知识
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化回答，重点突出技术选型依据、遇到的瓶颈及量化优化成果
- 请简述你使用过的Agent框架及其核心架构原理
- 在实际项目中如何优化大模型的响应速度与成本控制？
- 遇到AI生成结果不准确时，你的排查与优化思路是什么？
- 如何将智能体能力与传统Java后端系统进行高效集成？
- 复习数据结构与网络基础，梳理大模型调用链路优化案例，熟悉常见Agent架构范式（如ReAct、Plan-and-Execute）
职位点评
薪资福利65
成长发展88
工作生活60
使命价值72
薪资福利
65中等
JD未明确薪资福利细节，但依托运营商平台通常提供标准化薪酬与完善保障，整体补偿性动机满足程度中等偏上。
薪资信号未披露（AI估算：1.2千–2.0万/月）
成长发展
88较高
岗位高度聚焦大模型与智能体前沿技术，提供丰富的工程化落地场景与技术沉淀机会，发展性动机满足程度高。
技术前沿前沿/新兴技术
技术栈Java、Spring Boot、大语言模型、LangChain、RAG、MCP、Python
业务类型ambiguous
工作生活
60中等
JD未明确办公模式与工时安排，但央企研发岗通常节奏相对平稳，生活化动机满足程度中等。
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
72中等
岗位致力于将AI技术赋能企业级业务场景，虽未强调宏大社会使命，但技术落地具有明确的商业与服务价值。
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