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AI算法
AI算法
Ai Agent
Llm
Prompt Engineering
Rag
System Design
值不值得投
82综合评分
综合评分 82
央企平台、前沿AI技术栈、长沙高性价比生活，适合追求稳定与成长平衡的校招新人
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算法中位数低
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 1980 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、Dify等）进行智能体应用的设计、开发与工程化落地
候选人需结合Java后端技术栈，实现意图理解、任务规划及多轮对话等核心能力，并将AI能力集成至企业现有业务系统中，同时负责系统稳定性保障与效果迭代优化
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
AI 洞察
优缺点分析
优点
- 平台优势：中国电信提供稳定的职业平台和丰富的内部资源，适合长期发展
- 技术前沿：直接接触大模型、Agent等最新AI技术，技术栈更新快，成长空间大
- 地域优势：长沙生活成本相对较低，而电信提供的薪资福利在当地具有较强竞争力
- 技术迭代快：AI领域变化迅速，需要保持高强度的自主学习能力和技术敏感度
- 业务复杂度：需要深入理解电信业务场景，对非技术背景的求职者有一定门槛
- 适合计算机相关专业应届本科生，对AI应用开发有浓厚兴趣，具备扎实编程基础和快速学习能力的求职者
缺点 / 挑战
- 校招友好：明确面向2027届应届生，培养体系相对成熟，容错率较高
- 工程化挑战：将AI能力稳定地集成到企业级系统中，面临性能、稳定性和安全性的多重考验
角色解读
- 纵向深耕：成为AI应用架构师或大模型工程化专家，主导复杂AI系统的顶层设计
- 横向拓展：向AI产品经理或技术负责人方向发展，兼顾业务落地与技术管理
- 行业领先：依托电信平台资源，在通信+AI融合领域积累深厚经验，成为行业稀缺复合型人才
- 基于大语言模型和Agent框架（如LangChain、Dify）开发智能体应用，实现意图理解、任务规划等核心功能
- 使用Java后端技术栈（Spring Boot/Cloud）构建支撑AI应用的底层服务和接口
- 将AI能力与企业现有业务系统、数据库及第三方API集成，解决工程化落地问题
- 负责智能体系统的稳定性、性能优化、效果评估及持续迭代
- 扎实的Java后端开发能力，熟悉Spring生态及数据库
- 深入理解大语言模型应用开发，掌握Prompt、RAG、MCP及Agent架构范式
- 熟练使用至少一种主流Agent框架（LangChain、LlamaIndex等）
- 具备优秀的逻辑思维、业务抽象能力及跨团队协作沟通能力
申请策略
- 关注中国电信数字化转型的战略方向，了解其在AI领域的布局
- 准备1-2个完整的AI项目案例，能够清晰阐述技术选型、难点攻克及业务价值
- 突出Java后端项目经验，展示系统设计和接口开发能力
- 重点描述AI Agent或LLM应用相关的实习/项目经历，强调从Demo到落地的全过程
- 列举熟悉的主流Agent框架及技术栈，体现对Prompt、RAG等核心技术的理解
- 展示解决实际问题的能力，如性能优化、bug排查或跨团队协作案例
- 深入学习LangChain或Dify等框架的源码及最佳实践
- 补充RAG（检索增强生成）和MCP（模型上下文协议）的相关理论知识
面试指南
- STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)结构化回答项目经验
- 原理+实践：先解释技术原理，再结合具体项目案例说明应用场景和解决方案
- 对比分析：针对技术选型类问题，对比不同方案的优缺点，阐述选择依据
- 业务导向：始终将技术方案与业务价值挂钩，体现解决问题的实际效果
- 请介绍一个你参与的AI Agent或LLM应用项目，你在其中承担的角色和技术贡献是什么？
- 如何理解RAG技术？在实际应用中如何解决检索准确性问题？
- 在Java后端开发中，如何保证高并发下的系统稳定性和性能？
- 面对大模型输出的不确定性，你有什么策略来确保业务逻辑的正确性？
职位点评
薪资福利85
成长发展90
工作生活70
使命价值75
薪资福利
85较高
作为中国电信这样的上市巨头企业，校招岗位通常提供具有竞争力的起薪和完善的全方位福利（五险一金、补充医疗、年金等），在长沙地区属于高水平薪酬待遇，稳定性极强。
薪资信号未披露（AI估算：8.0千–1.5万/月）
成长发展
90较高
该职位聚焦于大模型、AI Agent等前沿技术领域，技术栈非常现代且具有高成长性。作为校招岗位，公司通常会提供系统的培训体系和导师制度，有利于新人快速建立技术体系。
技术前沿前沿/新兴技术
技术栈LLM、AI Agent、LangChain、RAG、MCP、Prompt Engineering
业务类型profit_center
工作生活
70中等
工作地点在长沙，生活压力相对一线城市较小。虽然JD未明确提及WLB，但作为国企背景，通常比互联网大厂更注重工作与生活的平衡，不过AI研发岗位本身可能存在一定的技术攻关压力。
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
75中等
加入国家大型通信基础设施企业，参与AI技术在千行百业的应用落地，具有一定的社会价值和行业影响力。通过技术手段提升企业服务效率，符合科技报国的使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
中国电信 的其他在招职位
相似职位推荐
Watch Jobs