东风汽车集团有限公司
算法工程师（AI Agent 应用方向）
算法工程师（AI Agent 应用方向）
发布于 4 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
Llm应用
Prompt工程
Rag
算法评测
自然语言处理(Nlp)
跨团队协作
模型微调(Sft/Lora)
值不值得投
75综合评分
综合评分 75
聚焦AI Agent前沿技术，传统车企平台稳定，技术成长空间大，WLB相对均衡
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，方便横向比较。
薪资怎么样
3.5万
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 550 个在招
市场机会
选择适中
武汉 · 人工智能 · 26 个在招
职位详情
关于这个职位
本职位聚焦大模型与业务知识库融合，负责开发面向实际业务场景的AI Agent应用，涵盖Prompt工程设计、RAG全链路优化与智能体编排
同时承担模型选型、轻量微调及效果评测闭环工作，需具备扎实的Python工程能力，推动前沿AI技术在汽车智能化领域的规模化落地
最低要求
本科及以上学历（计算机 / 软件 / 人工智能 / NLP / 数据科学相关）
年 LLM / NLP 应用开发经验
精通 Python + 主流 ML 框架（PyTorch / Transformers / LangChain / LlamaIndex 等）
熟悉 LLM 应用全栈：Prompt 工程 / RAG / Agent / 工具调用 / 多模态
熟悉模型评测体系：准确率、幻觉率、工具调用成功率 等核心指标
有 0 到 1 上线过 LLM 应用经验（智能助手 / Chatbot / 业务 Agent 等），不是只做过算法 / 论文研究
良好的工程能力 + 跨团队协作能力
工作职责
AI Agent 应用开发：基于大模型 + 业务知识库，开发面向不同业务场景的 AI Agent（智能助手类 / 问题诊断类 / 数据洞察类等）Prompt
工程 + 评测：设计 Prompt 模板、Few-shot 示例、工具调用策略
建立准确率、幻觉率、用户满意度 等评测指标
RAG 体系建设：负责知识切片策略、向量化、检索召回、重排序、引用追溯 等 RAG 全链路设计与优化
Agent 编排 + 工具链：基于智能体平台设计多步推理、工具调用、记忆机制、长对话上下文管理
模型选型 + 必要的微调：根据业务场景选择开源 / 闭源模型，必要时做小规模微调（SFT / LoRA）
AI 应用效果闭环：用户反馈收集 → 错误样本归类 → Prompt / 知识库 / 模型 持续迭代
AI 洞察
优缺点分析
优点
- 依托传统车企巨头资源，业务场景丰富且数据积累深厚
- AI Agent与RAG属当前热门方向，技术成长快
- 平台稳定，项目落地价值高
- 传统车企技术迭代节奏相对互联网较慢，需适应内部流程
- 适合追求技术落地价值、具备较强工程能力，且希望在汽车智能化赛道长期发展的中高级算法工程师
缺点 / 挑战
- 大模型应用落地常面临数据质量与业务适配挑战
- 需兼顾算法研究与工程实现双重压力
角色解读
- 可向AI架构师、大模型应用专家或技术负责人方向发展
- 随着车企智能化转型深入，有机会主导核心AI产品线的技术规划与团队管理
- 负责基于大模型与业务知识库构建AI Agent应用，完成Prompt设计、RAG链路优化及Agent编排
- 负责模型选型、轻量微调及效果评测闭环，推动AI技术在汽车业务场景落地
- 精通Python及主流ML框架，熟练掌握Prompt工程、RAG架构、Agent工具调用与多模态技术
- 具备模型评测指标设计与SFT/LoRA微调经验
- 拥有扎实的工程化落地能力与跨部门协作意识
申请策略
- 提前了解东风汽车在智能网联与车云协同方面的布局
- 面试时准备完整的项目复盘，重点说明业务痛点与技术方案的匹配逻辑
- 突出0到1上线的LLM应用案例，详细展示Prompt优化、RAG检索准确率提升及幻觉率控制的具体数据
- 强调Python工程架构与跨团队协作成果
- 补充LangChain/LlamaIndex等Agent框架实战经验
- 深入学习向量数据库与重排序模型
- 掌握SFT/LoRA微调全流程及自动化评测工具
面试指南
- 采用STAR法则结构化回答
- 针对技术题先讲清业务背景与约束条件，再分步骤阐述方案设计、关键难点突破、指标监控与最终业务收益
- 保持客观数据支撑
- 请分享一个你主导的LLM应用从0到1落地的完整案例
- 如何评估和优化RAG系统的检索准确率与幻觉率？
- 在Agent编排中如何处理长上下文与记忆机制？
- 面对业务方对模型输出的低满意度，你的迭代策略是什么？
- 复习Transformer底层原理与主流开源模型特性
职位点评
薪资福利75
成长发展85
工作生活65
使命价值70
薪资福利
75中等
传统车企巨头提供稳定薪酬与完善福利，虽不及互联网大厂激进，但结合武汉生活成本具备良好性价比。
薪资信号市场水准 (2.5千–4.5万/月)
成长发展
85较高
聚焦AI Agent与RAG前沿应用，技术栈现代且业务场景丰富，利于快速积累大模型落地经验。
技术前沿前沿/新兴技术
技术栈LLM、AI Agent、RAG、Prompt工程、LangChain、SFT、LoRA
业务类型ambiguous
工作生活
65中等
传统车企通常实行标准工时制，WLB相对互联网更均衡，但AI项目攻坚期可能存在阶段性加班。
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
70中等
助力汽车产业智能化转型，技术落地具有明确的行业价值与社会意义，契合科技向善理念。
行业发展稳定成熟行业
社会影响正向社会影响力较高
创新程度积极采用新技术
东风汽车集团有限公司 的其他在招职位
相似职位推荐
Watch Jobs