埃森哲
Data Scientist
Data Scientist
发布于 大约 2 小时前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
硕士
数据科学
Graphrag
Llm
Lora
Multi-Agent
Peft
Prompt Engineering
Rag
知识图谱
AI 估算 · 25k–40k
北京AI算法专家，3年以上经验，埃森哲外企薪资中上，月薪25-40k，13薪。
职位详情
关于这个职位
作为埃森哲核心AI算法专家，你将面向生命科学、智能制造、快消及高科技等行业客户，负责企业级AI解决方案的设计与落地
工作内容包括LLM、Agent、RAG等前沿技术的应用，以及从需求分析到项目交付的完整流程
适合具有3年以上AI经验、善于解决复杂问题并乐于与客户协作的技术人才
最低要求
精通 Python，具备扎实的机器学习、深度学习及统计学基础
具备企业级 LLM 或 Agent 系统研发经验，熟悉 Prompt Engineering、Agentic Workflow、Tool Calling、PEFT（LoRA/QLoRA）、RL等技术
具备 Client Facing 经验，能够独立完成需求沟通、方案设计及客户技术交流
良好的软件工程能力，熟悉 Git 及团队协作开发流程
具备较强的问题拆解能力、沟通能力及项目推动能力
工作职责
负责企业级 LLM、Agent 及知识增强（RAG/GraphRAG）系统的设计、开发与优化
设计并实现多智能体（Multi-Agent）协作、工具调用（Tool Use）、记忆管理（Memory）等核心能力
结合业务场景构建机器学习、深度学习或生成式 AI 解决方案
与客户、业务专家、产品及工程团队协作，完成需求分析、方案设计及项目交付
跟踪前沿 AI 技术发展，推动新技术验证与落地
优先资格
对 Ontology、Knowledge Graph、Taxonomy 等知识体系有深入理解或实际落地经验
具备 RAG、GraphRAG、Knowledge-Augmented Agent 等系统设计经验
熟悉 Multi-Agent、Context Engineering、Memory Management、Agent Governance 等方向，并有落地经验
熟悉 MCP、A2A 等 Agent 协议或相关生态，并有实际开发经验
具备生命科学、智能制造、快消或高科技行业项目经验
参与过开源项目或在技术社区有持续贡献
AI 洞察
优缺点分析
优点
- 接触前沿的LLM和Agent技术，技术成长快
- 服务多个行业客户，视野广阔，能积累丰富的行业AI落地经验
- 埃森哲作为全球顶级咨询公司，平台大、资源多，有完善的项目流程和培训体系
- 客户面对面的机会多，能锻炼沟通和方案设计能力
- 咨询公司项目制工作，可能需要频繁出差，工作强度较大
- 需要同时满足客户需求和内部工程标准，沟通成本高
- 技术更新快，需要持续学习，保持自我驱动力
缺点 / 挑战
- 适合热爱AI前沿技术、乐于挑战复杂问题，具备较强沟通能力和抗压性的工程师
角色解读
- 从算法工程师向AI解决方案架构师或技术负责人方向发展
- 积累行业知识（生命科学、制造等），成为垂直领域AI专家
- 在咨询公司可转向技术咨询或项目管理岗位，或跳槽至头部互联网/AI公司
- 设计并开发企业级LLM、Agent及RAG系统，解决客户实际业务问题
- 与客户和业务团队沟通，拆解需求并转化为技术方案，推动项目从PoC到落地
- 跟踪前沿AI技术，验证并引入新技术以提升方案效果
- 负责多智能体协作、工具调用、记忆管理等核心能力的实现与优化
- 扎实的Python编程和机器学习/深度学习基础，能独立完成模型开发
- 熟悉LLM生态，掌握Prompt Engineering、Agentic Workflow、Tool Calling等关键技术
- 具备客户沟通和方案设计能力，能在复杂业务场景中提炼AI需求
- 良好的软件工程素养，熟悉Git和团队协作流程
申请策略
- 准备一个完整的项目案例，展示你从需求分析到交付的全过程
- 了解埃森哲的行业客户和业务方向，在面试中体现你对行业场景的理解
- 突出企业级LLM或Agent项目的实际落地经验，包括技术选型、性能优化和业务效果
- 展示客户沟通和方案设计案例，强调如何将业务问题转化为AI方案
- 列出开源贡献或技术博客，体现技术深度与影响力
- 强调Python、机器学习、深度学习等基础能力，以及RAG、Multi-Agent等专项技能
- 补充企业级Agent系统的架构设计经验，如Multi-Agent协作和工具调用
- 学习GraphRAG和知识图谱相关技术，提升知识增强解决方案的能力
面试指南
- 用STAR法则：情境（Situation）、任务（Task）、行动（Action）、结果（Result）来结构化回答项目经验
- 对于技术问题，先明确目标，再比较不同方案的优劣，最后给出权衡后的选择并说明理由
- 对于客户沟通问题，强调倾听、需求拆解、明确边界和利益相关者管理
- 请描述一个你主导的LLM或Agent项目，包括架构设计和关键挑战
- 如何评估和选择Prompt Engineering或RAG策略来提升回答质量？
- 在多Agent系统中，如何设计协作机制和解决冲突？
- 面对客户不合理需求时，如何沟通并引导对方接受技术方案？
- 如何确保AI方案在真实生产环境中的稳定性和安全性？
职位点评
69
综合评分
前沿AI技术栈，成长性佳，但工作强度可能较大，薪资未披露。
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
追求技术前沿和快速成长，能接受高强度工作节奏的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展85
工作生活50
使命价值65
薪资福利
70中等
埃森哲作为顶级咨询公司，薪资具有竞争力，但JD未明确具体数字，福利信息也未披露。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
85较高
技术栈前沿（LLM、Agent等），项目挑战大，能快速提升技术能力和行业视野。
技术前沿前沿/新兴技术
技术栈Python、LLM、Agent、RAG、GraphRAG、Multi-Agent、Prompt Engineering、PEFT、LoRA、RL
业务类型ambiguous
工作生活
50较低
咨询行业通常工作强度较大，JD未提及远程或弹性工作，WLB可能受影响。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
65中等
AI技术推动企业数字化转型，有一定行业价值，但整体社会意义中性。
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
埃森哲 的其他在招职位
相似职位推荐
Watch Jobs