中国电信
研发工程师
研发工程师
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
Prompt工程
Rag
向量数据库
大语言模型
智能体
值不值得投
73综合评分
综合评分 73
前沿AI技术深度实践岗，技术成长性强，但办公与WLB情况需进一步确认。
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
24K
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 1150 个在招 · 其中人工智能 45 个
市场机会
选择面较广
上海 · 人工智能 · 78 个在招
职位详情
关于这个职位
该岗位是企业级AI集成应用平台的研发工程师
工作内容包括基于大语言模型和智能体框架，负责平台的架构设计、核心功能开发与性能优化，并参与AI应用场景的落地验证，推动技术在多行业的集成与规模化应用
最低要求
熟悉大语言模型（LLM）原理及应用，掌握LangChain、LangGraph等主流AI应用开发框架，了解智能体（Agent）设计与多智能体协同机制
熟悉RAG检索增强生成、向量数据库、Prompt工程等AI应用核心技术，有知识库构建与模型调优的实际项目经验
熟悉自然语言处理技术，了解多模态AI、MCP（模型上下文协议）等前沿方向，具备AI工具链集成与编排能力
良好的编程能力，熟练掌握Python，具备Java/TypeScript等语言开发能力，有企业级系统或AI平台开发经验
有较强的系统分析与架构设计能力，具备优秀的自主学习和前沿技术跟踪能力，以及良好的跨团队协作与沟通能力
工作职责
负责基于大语言模型、智能体框架等技术，构建企业级AI集成应用平台
负责AI集成平台系统的架构设计与功能开发，包括模型管理、知识库建设、智能体编排、工具集成等模块的设计、实现、调试和维护
负责多智能体协同调度、任务编排、RAG检索增强等核心能力的架构设计、算法优化与性能调优
负责AI集成应用项目的技术研究、技术文档编写、系统测试验证，保障平台稳定运行与持续迭代
负责参与AI应用场景的落地验证、效果评估和持续优化，支撑业务场景的规模化复制与推广
探索人工智能技术在多行业的集成应用，构建可复用、可推广的智能体能力体系与AI服务
完成领导交办的临时性任务
AI 洞察
优缺点分析
优点
- 技术前沿：工作内容直接对接大模型、智能体等当前最热门的AI技术方向，能快速积累行业前沿经验
- 平台与影响力：背靠大型央企平台，所构建的AI平台可能服务于集团乃至行业，项目影响力较大
- 体系化能力：有机会参与从架构设计到落地的完整流程，系统性地提升大型项目经验和平台化思维
- 技术复杂度高：需要同时处理模型调优、系统架构、多智能体协同等多个高难度技术领域，学习曲线陡峭
- 内部协调：在大型组织中推动技术项目，可能涉及复杂的跨团队协作与流程
- 适合具备扎实工程背景和AI技术热情，渴望在大型平台上深入探索大模型应用落地，并有志于构建复杂系统的高级研发工程师
缺点 / 挑战
- 落地验证压力：AI应用在实际业务场景中需要持续验证效果并优化，对解决复杂实际问题的能力要求高
角色解读
- 技术深耕路径：成为AI平台架构师、AI技术专家，专注于大模型与智能体技术的顶层设计
- 技术管理路径：带领团队负责AI平台或特定AI产品线的整体研发与交付
- 业务融合路径：向AI解决方案架构师或AI产品经理发展，更侧重于技术在商业场景中的价值实现
- 负责从零到一设计和开发基于大语言模型（LLM）和智能体（Agent）的企业级AI集成应用平台
- 进行核心模块的技术攻坚，例如多智能体协同调度、RAG检索增强、模型管理与知识库构建
- 将AI技术与实际业务场景结合，推动解决方案的落地、优化和规模化应用
- 精通Python编程，并熟悉Java/TypeScript等语言，具备扎实的编码和工程化能力
- 深入理解LLM、RAG、Prompt工程等AI应用技术，并有熟练使用LangChain等框架的项目经验
- 具备优秀的系统架构设计能力，能够处理复杂的多模块、分布式系统设计问题
申请策略
- 深入了解中国电信在云、大数据及AI领域的战略方向和现有产品，思考你的能力如何与之结合
- 在面试中准备一个清晰的“AI平台架构”故事线，阐述你会如何设计、分阶段实现并优化这样一个系统
- 重点突出与LLM、智能体、RAG相关的具体项目经验，详细描述你在其中负责的技术模块和取得的成果
- 展示你在复杂系统设计或架构方面的思考与实践，例如微服务、分布式系统或高并发处理经验
- 强调Python编程能力及在企业级项目中的应用，同时提及Java/TypeScript等语言经验作为加分项
- 深入学习LangChain/LangGraph等框架的最新文档和最佳实践，并尝试实现一些Demo项目
- 研究向量数据库（如Milvus, Qdrant）的性能优化和实际部署场景，补充知识库构建的实战经验
面试指南
- 采用“STAR”法则回答项目问题，清晰说明背景(Situation)、任务(Task)、行动(Action)和结果(Result)，重点突出你的技术决策
- 回答架构设计题时，先勾勒整体蓝图（如分层架构），再阐述各模块职责和关键交互，最后点出可能的技术难点和解决方案
- 对于评估优化问题，先定义可量化的指标（如准确率、召回率、响应延迟），再说明迭代流程（如数据清洗、Prompt优化、模型微调）
- 请描述一个你主导过的、与大模型或智能体相关的项目，你在架构设计和技术选型上是如何考虑的？
- 如果让你设计一个支持多智能体协同的企业级平台，你会如何划分核心模块和处理它们之间的通信？
- 在RAG系统中，当检索回来的上下文与问题不相关或存在冲突时，你会如何设计Prompt或后续处理流程？
- 你如何评估和优化一个AI应用（如一个问答机器人）的效果？请说明你的评估指标和调优方法
- 系统梳理你过去与AI相关的项目经验，准备能体现你架构思维和动手能力的案例
职位点评
薪资福利75
成长发展90
工作生活50
使命价值70
薪资福利
75中等
该职位薪资水平预计能达到市场中位数，但作为央企，具体福利细节在JD中未明确披露，补偿性动机满足程度一般。
薪资信号市场水准 (18K-30K/月)
成长发展
90较高
职位要求掌握大语言模型、智能体等前沿技术，直接参与AI平台构建，技术成长空间大，发展性动机能得到极好满足。
技术前沿前沿/新兴技术
技术栈大语言模型、LLM、智能体、Agent、LangChain、LangGraph、RAG、向量数据库、Prompt工程、MCP
成长机会探索人工智能技术、构建可复用、可推广的智能体能力体系
业务类型ambiguous
工作生活
50较低
JD未明确说明工作模式和办公地点细节，生活化动机满足程度无法准确评估，存在一定不确定性。
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
70中等
职位旨在构建AI集成平台以支撑多行业应用，具有一定技术探索和行业赋能价值，但社会影响力更多体现在企业内部效率提升。
行业发展高速增长赛道
社会影响中性/一般
使命信号构建可复用、可推广的智能体能力体系与AI服务
创新程度积极采用新技术
Watch Jobs