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 3 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
Mybatis
Prompt Engineering
Rag
Spring Cloud
大语言模型
值不值得投
73综合评分
综合评分 73
AI Agent 前沿方向、Java 后端与 LLM 工程并重，薪资福利与 WLB 信息未披露。
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
2.0万
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 2260 个在招 · 其中人工智能 约 100 个
市场机会
选择面较广
北京 · 人工智能 · 约 710 个在招
职位详情
关于这个职位
负责面向业务场景设计、开发与落地 AI 智能体，覆盖意图理解、任务规划、多轮对话、记忆管理与工具调用
同时使用 Java/Spring 体系建设后端服务，基于 LLM、RAG、MCP 与 Agent 框架完成从 Demo 到生产级应用的工程化与持续优化
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
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 应用项目实践者优先
了解向量数据库、模型评测者优先
AI 洞察
优缺点分析
优点
- 岗位处于大模型/AI Agent 应用落地前沿，能同时积累 LLM 工程与 Java 后端能力
- 工作覆盖从框架选型、RAG/MCP 集成到生产级服务化的完整链路，工程实践密度高
- 面向企业级业务场景，能锻炼业务抽象、系统集成和跨团队协作能力
- 公司平台与业务体量较大，若加入核心团队，项目复杂度和可沉淀资产较丰富
- 需要同时理解大模型应用与后端工程，技术栈跨度较大，学习曲线不低
- 智能体效果受模型、数据和业务场景影响，评估与迭代需要耐心和较强的问题拆解能力
- 适合对 LLM/Agent 应用落地有热情、具备 Java 后端基础、愿意在真实业务中打磨生产级 AI 系统的应届生或初级工程师
缺点 / 挑战
- 生产级服务化涉及稳定性、权限、限流降级和成本控制，对工程严谨性要求较高
角色解读
- 从智能体应用开发逐步深入 Agent 架构、RAG 优化与生产级 AI 工程化，成长为 AI 应用/平台工程师
- 积累业务抽象与跨团队协作经验后，可向 AI 技术负责人、解决方案架构师或智能体平台方向拓展
- 持续跟踪大模型与 Agent 生态，有机会参与企业级 AI 能力沉淀和可复用组件建设
- 面向业务场景设计并开发 AI 智能体，覆盖意图理解、任务规划、多轮对话、记忆管理和工具调用等能力
- 使用 Java/Spring 体系建设企业级后端服务与接口，并把 Agent 接入现有业务系统、工作流、数据库和第三方 API
- 基于大模型、RAG、MCP 与 LangChain 等框架完成从 Demo 到生产服务的工程化封装、评估和迭代
- 参与接口联调、性能优化、日志监控、稳定性保障和成本控制，推动智能体在真实业务中上线
- 扎实的 Java 与 Spring Boot/Spring Cloud/MyBatis 后端开发能力，理解数据库、网络和软件工程流程
- 理解 LLM 调用机制、Prompt、RAG、MCP、上下文管理、多轮对话和工具调用
- 熟悉至少一种 Agent/LLM 应用框架，如 LangChain、LangGraph、LlamaIndex、AutoGen、Dify、CrewAI
- 理解 ReAct、Plan-and-Execute、Reflection、Supervisor、多 Agent 协作和记忆系统等架构范式
申请策略
- 投递前了解中国电信在 AI/智能体方向的业务布局和招聘项目，面试中表达对 ToB/企业级落地的理解
- 准备作品集或 GitHub 仓库，展示智能体架构图、关键代码和效果评估，比只罗列技术名词更有说服力
- 突出 Java/Spring Boot/Spring Cloud/MyBatis 项目经历，写清接口设计、数据库设计、系统集成和性能优化成果
- 展示至少一个 LLM/Agent 项目：使用的框架、Prompt/RAG/MCP 方案、工具调用链路和上线效果
- 用量化指标说明智能体效果，如任务完成率、问答准确率、响应时延、工具调用准确率或成本下降
- 体现跨团队协作、业务抽象和独立排查问题的案例，匹配 JD 对落地能力的要求
- 补强 LangChain/LangGraph、Dify 等 Agent 框架的实操，完成一个从 Demo 到服务化的完整项目
- 熟悉 RAG 检索链路、向量数据库、MCP 工具协议和模型评测方法，准备可演示的代码或文档
面试指南
- 项目题用 STAR：背景-目标-架构方案-关键难点-上线结果-复盘优化，突出你个人的决策和贡献
- 设计题先讲业务目标和约束，再分层讲 Agent 编排、工具/知识接入、评估与监控，最后说明取舍
- 效果题用指标说话：定义任务完成率、准确率、时延、成本等指标，说明基线、实验和迭代闭环
- 请介绍一个你从 0 到 1 或从 Demo 到生产落地的 AI Agent 项目，重点说明架构、工具调用和效果评估
- 如何设计一个支持多轮对话、记忆管理和工具调用的企业级 Agent 系统？
- RAG 在业务场景中如何做召回、重排和效果评估？遇到幻觉或工具调用错误怎么处理？
- 你熟悉哪些 Agent 框架？LangChain/LangGraph/Dify 的选型差异是什么？
- Java 后端如何支撑智能体服务的高并发、限流降级、日志监控和成本控制？
职位点评
薪资福利65
成长发展88
工作生活55
使命价值78
薪资福利
65中等
JD 未披露薪资与福利，岗位为全职校招，补偿性动机需结合最终 Offer 判断；目前只能确认基本就业形态。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
88较高
岗位直接使用 LLM、RAG、MCP 与 Agent 框架，覆盖生产级 AI 应用全链路，技术成长和项目复杂度较高。
技术前沿前沿/新兴技术
技术栈LLM、AI Agent、RAG、MCP、LangChain、LangGraph、Java、Spring Boot、Spring Cloud、MyBatis、Prompt Engineering
业务类型ambiguous
工作生活
55较低
JD 未明确办公模式、加班情况或弹性安排；岗位包含生产级服务稳定性保障，具体工作节奏需与 HR 确认。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
78中等
岗位面向企业级业务场景落地 AI 智能体，属于大模型应用工程方向，技术采用积极，社会价值更多体现在企业效率提升。
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