中国电信
算法工程师
算法工程师
发布于 大约 13 小时前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Ai智能体
Go
Kvcache
Tensorrt
Vllm
向量数据库
多智能体协同
大模型
强化学习
值不值得投
73综合评分
综合评分 73
成都大模型算法岗，前沿技术栈，平台稳定，薪资中上，但加班情况未知。
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
27K
比算法优化工程师中位数低
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 2580 个在招 · 其中算法优化工程师 6 个
市场机会
选择不多
成都 · 算法优化工程师 · 2 个在招
职位详情
关于这个职位
这是一个在中国电信成都分公司从事大模型与AI智能体方向的算法工程师岗位，核心工作包括多智能体协同、大模型推理优化、向量存储与高性能缓存研发
你将参与从算法设计到工程落地的全流程，涉及vLLM、TensorRT、强化学习等前沿技术，适合对AI底层技术与高性能计算有浓厚兴趣的硕士及以上学历人才
最低要求
学历专业：硕士及以上
计算机、人工智能、软件工程、电子信息、数学等理工科相关专业
通用技术能力：具备扎实的算法与计算机基础，熟悉大模型训推全链路
熟练掌握Python/C++/Golang任一语言，掌握Go及Shell/Python脚本开发，熟悉主流数据库及SQL
综合素质：逻辑清晰、学习能力强，具备优秀的跨团队协作与问题攻坚能力，严谨负责，可高效推进项目落地
方向专项要求
智能体方向：熟悉多智能体协同、记忆机制、RAG、任务规划，有云原生算法落地经验优先
推理方向：掌握vLLM、SGLang、TensorRT等引擎，熟悉量化、算子加速、显存优化与容器化推理架构
向量存储方向：理解分布式存储原理与一致性协议，精通高并发存储、索引及IO优化，有智能体记忆算法研发经验优先
缓存方向：熟悉Linux、分布式存储及并行文件系统，有KVCache、共享内存通信、推理链路优化经验优先
博士科研方向：精通大模型、强化学习、多模态技术，熟练使用主流深度学习框架，有Agent/云电脑相关研究或顶会论文者优先
工作职责
AI智能体研发：负责多智能体协同、任务规划、记忆管理核心算法设计与云原生工程落地
通过实验调优迭代模型效果，跨团队协同实现产品商业化落地
大模型推理优化：搭建稳定高效的推理服务体系，负责推理引擎调优、算子优化、量化压缩、显存/内存调度优化，降低推理时延、提升吞吐，保障线上服务高可用
向量存储与记忆体系：研发向量网关、SDK及底层引擎，搭建AI智能体长期记忆框架
优化向量索引、IO链路及元数据架构，解决高并发海量数据存储性能瓶颈
HPKV高性能缓存研发：负责KVCache存储、管控服务及vLLM框架开发迭代，针对GPU调度、内存通信、读写链路做全链路性能优化，保障缓存服务高效稳定运行
大模型核心算法：开展大模型预训练、微调、推理优化及底层算子开发调优
通过强化学习与对齐策略迭代，提升模型泛化能力与决策质量
云电脑智能体科研（博士专项）：基于多模态行为数据构建智能体任务预测与理解模型，结合模仿化学习实现自主任务执行，搭建评测体系驱动智能体持续迭代
优先资格
智能体方向：有云原生算法落地经验优先
向量存储方向：有智能体记忆算法研发经验优先
缓存方向：有KVCache、共享内存通信、推理链路优化经验优先
博士科研方向：有Agent/云电脑相关研究或顶会论文者优先
AI 洞察
优缺点分析
优点
- 平台稳定，国企背景，福利保障完善，适合追求长期发展
- 涉及从算法到工程的全链路，能积累全面的技术栈
- 国企可能层级较多，决策流程相对较长，创新节奏可能慢于互联网公司
- 工作地点在成都，虽然宜居，但相比一线城市，高端技术社区和资源可能略少
- 适合有扎实算法功底、热爱底层技术与大模型优化、追求稳定平台与长期发展的求职者
缺点 / 挑战
- 从事大模型、AI智能体等前沿方向，技术挑战大，成长空间广阔
- 技术难度高，要求具备扎实的底层优化和分布式系统能力，学习压力大
角色解读
- 从算法工程师向技术专家或架构师发展，深耕大模型推理优化、智能体等细分领域
- 有望成为团队技术Lead，负责核心算法方向的技术决策与项目推进
- 可依托中国电信平台，参与前沿技术研究，转型科研或管理岗位
- 设计并实现多智能体协同、任务规划、记忆管理等核心算法，并推动云原生落地
- 针对大模型推理引擎（如vLLM、TensorRT）进行调优、算子加速、量化压缩，提升服务吞吐与稳定性
- 研发向量存储与记忆框架，优化索引、IO与元数据，支撑高并发海量数据场景
- 开发KVCache缓存服务，优化GPU调度、内存通信，保障高性能缓存系统运行
- 扎实的算法与计算机基础，熟悉大模型预训练、微调、推理全链路
- 熟练掌握Python/C++/Golang任一语言，并具备Go、Shell/Python脚本开发能力
- 熟悉主流数据库和SQL，具备分布式系统、高性能存储或推理优化经验
- 各个方向还有专项要求，如智能体需懂RAG、多智能体协同，推理需掌握vLLM、TensorRT等
申请策略
- 了解中国电信任职要求和企业文化，强调对国企工作节奏的适应能力
- 面试前准备一个从算法到工程落地的完整项目故事，突出个人贡献
- 突出大模型相关项目经验，包括预训练、微调、推理优化等具体案例和量化成果
- 强调编程能力，尤其是Python/C++/Go，以及脚本开发、数据库使用经验
- 若有智能体、RAG、vLLM、TensorRT、分布式存储等专项经验，务必重点展示
- 体现跨团队协作和问题攻坚能力，如参与复杂系统落地项目
- 如果缺乏推理优化经验，可提前学习vLLM、SGLang等引擎原理及GPU优化技术
- 补充分布式存储、KVCache、高并发系统设计相关知识
面试指南
- 用STAR法则组织回答：情境-任务-行动-结果，突出技术难点和个人贡献
- 对于技术方案类问题，先拆解问题、分析约束，再给出系统性方案，并提及权衡取舍
- 强调对底层原理的理解，而非仅仅使用过框架，可对比不同方案优劣
- 请详细描述你参与过的大模型推理优化项目，包括遇到的瓶颈和解决方案
- 如何设计一个多智能体协同系统？请讨论任务规划与记忆管理的具体实现
- 解释一下vLLM的工作原理，以及如何通过算子优化或量化提升推理性能
- 在分布式系统中，如何保证KVCache的高可用和数据一致性？
- 如何评估一个智能体系统的表现？你会设计哪些评测指标？
职位点评
薪资福利75
成长发展85
工作生活55
使命价值70
薪资福利
75中等
国企平台薪资稳定，福利完善，但薪酬上限可能不如头部互联网，综合薪酬竞争力中等偏上。
薪资信号未披露（AI估算：18K-35K/月）
成长发展
85较高
岗位涉及大模型、智能体等前沿技术，技术挑战高，能深度积累底层优化经验；国企内部培训晋升体系可能完善，但速度相对稳定。
技术前沿前沿/新兴技术
技术栈大模型、AI智能体、vLLM、TensorRT、强化学习、KVCache、向量存储
业务类型profit_center
工作生活
55较低
仅现场办公，无远程或弹性说明；工作地点在成都高新区，生活成本较低，但通勤可能较长，具体工作强度未知。
工作模式仅现场办公
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
70中等
中国电信作为通信巨头，在数字化转型和AI应用上具有社会影响力，但岗位偏离直接民生产品，社会价值感知一般。
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