中国移动
开发工程师
开发工程师
发布于 大约 3 小时前普通员工/个人贡献者
贵阳市
其它
全职员工
仅现场办公
学历未注明
研究与开发 (研发)
Cot
Nlp
Rag
初中数学
机器学习
知识图谱
算法复现
防幻觉推理
原型系统
AI 估算 · 8k–15k
国企稳定，贵阳薪资水平中等偏上，研发岗位有竞争力，福利完善。
职位详情
关于这个职位
该职位主要参与教育场景的AI算法研发，负责调研和复现防幻觉推理算法（RAG+CoT），并构建初中数学动态认知图谱与错因分析原型系统
适合对AI+教育方向感兴趣的算法工程师，能积累前沿技术并落地实际场景
工作职责
调研和复现面向教育场景的强逻辑学科防幻觉推理算法（RAG + CoT）
构建初中数学动态认知图谱，开发知识点检索与错因分析原型系统
AI 洞察
优缺点分析
优点
- 国企平台稳定，福利完善（五险一金、补充医疗等），职业安全感强
- 参与前沿AI技术（RAG+CoT）在教育场景的落地，技能积累价值高
- 贵阳生活成本低，工作生活平衡相对容易
- 算法复现与原型开发需较强的独立研究与动手能力，对自驱力要求高
- 教育场景数据与业务理解需要时间，可能跨部门协作较多
- 国企晋升节奏较慢，薪资涨幅有限，与一线互联网公司有差距
- 适合注重稳定、想深耕AI+教育领域、偏好二线城市生活的技术人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 在AI+教育领域深耕，成为算法专家或技术负责人
- 向大模型推理、知识工程方向深入，进入核心研发团队
- 积累教育行业场景经验，可转型产品经理或解决方案架构师
- 调研并复现教育场景下的防幻觉推理算法，结合RAG与CoT技术提升逻辑学科问答准确性
- 构建初中数学动态认知图谱，涵盖知识点关系与学生学习路径，并开发知识点检索与错因分析原型系统
- 将算法原型落地为可演示的系统，验证实际教学场景中的效果
- 熟悉RAG（检索增强生成）和CoT（思维链）等大模型推理技术
- 具备知识图谱构建与NLP基础，了解教育领域知识表示
- 掌握Python及至少一种深度学习框架（如PyTorch），有算法复现与调优经验
- 了解原型系统开发，能快速搭建Web demo或API服务
申请策略
- 面试时准备1-2个RAG或CoT的复现案例，说明遇到的困难与解决思路
- 了解中国移动的教育业务布局（如和教育、智慧课堂），体现行业认知
- 突出NLP或知识图谱相关项目经验，尤其是RAG或CoT的实践
- 展示算法复现与调优能力，提供GitHub链接或技术博客
- 如有教育场景项目（智能批改、错题推荐等），重点描述
- 补强LangChain、LlamaIndex等RAG框架使用经验
- 熟悉教育知识图谱常见工具（如Neo4j）和评测方法
面试指南
- 先阐述技术原理，再结合实际场景给出设计思路，最后举例自己的经验
- 对于开放性问题，采用“目标-方案-权衡”的结构，体现逻辑性
- 请解释RAG和CoT的工作原理，以及如何结合使用解决防幻觉问题
- 如何设计初中数学的知识图谱？请举例说明知识点关系建模
- 你复现过哪些经典模型？遇到最大挑战是什么？
- 原型系统如何设计？前端展示和后端接口怎么实现？
- 深入理解RAG和CoT的论文，并能用简洁语言复述
- 准备一个完整的项目案例，从需求到实现到效果评估
职位点评
77
综合评分
国企研发岗，AI+教育前沿技术，薪资尚可，WLB平稳。
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。
更适合这类人
适合重视技术发展与行业价值的求职者，尤其是对教育科技有热情的人。
表现最好
使命价值
相对薄弱
工作生活
薪资福利75
成长发展80
工作生活70
使命价值85
薪资福利
75中等
国企平台，薪资处于贵阳中上水平，福利完善，但未明确具体薪资和福利细节。
薪资信号未披露（AI估算：8K-15K/月）
成长发展
80较高
涉及RAG、CoT等前沿技术，有实际项目落地机会，但成长通道和培训未明确提及。
技术前沿前沿/新兴技术
技术栈RAG、CoT、知识图谱、NLP、防幻觉推理
业务类型ambiguous
工作生活
70中等
仅现场办公，贵阳生活成本低，但未提及弹性工作或加班情况。
工作模式仅现场办公
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
85较高
教育场景有正向社会价值，AI+教育符合国家战略，但职位描述未明确使命导向。
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
中国移动 的其他在招职位
相似职位推荐
Watch Jobs