埃森哲
AI LLM Technology Architecture Sr. Manager
AI LLM Technology Architecture Sr. Manager
发布于 大约 14 小时前中层管理(经理/总监)
上海市 / 北京市
中级经验
全职员工
仅现场办公
本科
机器学习工程
Ai Agent
Langgraph
Prompt Engineering
Rag
AI 估算 · 40k–75k
高级经理级AI架构师，技术稀缺度高，咨询平台竞争力强，估算月薪4-7.5万元。
职位详情
关于这个职位
这是一个聚焦AI Agent与RAG系统落地的高级技术管理岗，你将主导大模型工程化项目的架构设计、开发与交付
在埃森哲这样的大型咨询平台，既能深入LangChain、LangGraph等前沿技术，又能服务多个行业的知名客户
如果你热爱AI技术并乐于驱动业务创新，这会是一个绝佳的发展机会
最低要求
本科及以上学历，计算机 / 人工智能等相关专业，3 年及以上 AI 相关或全栈开发经验，有 AI 产品落地经验优先
精通 AI Agent 工程化开发：熟练使用 LangGraph/LangChain/AgentScope/Google-ADK，具备工作流编排、工具链开发、多 Agent 协作及对话状态管理的落地经验
具备扎实的 RAG 与上下文工程能力：熟悉文档解析、向量数据库（Milvus/FAISS 等）、多路检索、Reranker 优化，掌握 Query Rewrite、动态 Prompt、对话历史压缩等优化手段
熟练掌握大模型工程化技术：提示词工程、多模型调度（Azure OpenAI / 通义千问等）、流式输出，了解模型微调优先
后端开发能力：精通 Python（FastAPI 优先），熟悉异步编程、微服务架构
了解 Spring AI/Spring Boot 者优先
熟悉前端开发基础（Vue/React）、容器化部署（Docker/K8s）及 CI/CD 流程，能独立完成项目全流程交付
具备良好的需求拆解与问题排查能力，关注 AI 前沿技术，能推动业务场景的技术创新与优化
工作职责
负责 AI 产品从 0 到 1 全流程落地，聚焦 AI Agent 与 RAG 系统的工程化开发，践行 “工程化驾驭大模型” 的 Harness Engineer 理念，支撑业务场景智能化升级
主导 AI Agent 架构设计与开发：基于 LangGraph/LangChain/AgentScope/Google-ADK 实现工作流编排、工具链开发、多 Agent 协作及 Human-in-the-Loop 交互，完成复杂任务自动化与智能决策落地
构建并优化端到端 RAG 系统：负责文档解析、分块、向量化、多路检索、重排序全流程设计，结合上下文工程（Query Rewrite、动态 Prompt、对话历史管理）提升大模型推理质量
实现大模型工程化落地：完成多模型集成调度、流式输出、提示词工程优化，将 AI 能力与业务场景深度融合
搭建高可用后端服务：基于 Python（FastAPI/Flask）或 Go（Gin）开发 API 与业务逻辑层，精通异步编程与微服务架构，保障系统稳定性与性能
负责项目部署运维与架构优化：基于 Docker/K8s 完成容器化部署，搭建 CI/CD 流程，保障项目高效迭代与稳定运行
对接业务团队，拆解需求并转化为技术方案，参与技术选型与架构优化，沉淀最佳实践并推动团队技术能力提升
优先资格
有 AI 产品落地经验优先
了解模型微调优先
了解 Spring AI/Spring Boot 者优先
AI 洞察
优缺点分析
优点
- 技术栈前沿，紧贴AI产业趋势，积累稀缺的Agent和RAG工程经验
- 世界级咨询平台，客户资源丰富，项目多样性强，视野开阔
- 职位级别高，薪资待遇优厚，职业履历含金量高
- 多城市工作选择，灵活性强
- AI技术迭代极快，需要持续投入学习，保持技术领先
- 作为Manager需要兼顾技术和管理，对沟通和团队协作要求高
缺点 / 挑战
- 咨询项目周期紧，可能面临加班和出差，工作生活平衡挑战大
- 适合热爱AI前沿技术、有较强工程落地能力，同时希望在大型咨询平台承担更高责任、不惧挑战的资深工程师或技术负责人
角色解读
- 在技术方向可深入大模型内核与推理优化，成为AI架构专家或首席科学家
- 在管理方向可晋升为技术总监或部门负责人，领导更大规模的AI团队
- 在咨询行业可积累多行业经验，发展为解决方案专家或商业技术顾问
- 主导AI Agent架构设计，使用LangGraph、LangChain等框架开发工作流编排、工具链和多Agent协作系统
- 构建RAG管线，优化文档解析、向量检索、重排序与上下文工程，提升大模型回答质量
- 负责大模型服务化部署，开发高可用后端API，并实现容器化与CI/CD
- 对接业务团队，将需求转化为技术方案，并参与技术选型与架构演进
- 精通AI Agent开发框架（LangGraph/LangChain/AgentScope等），有Agent落地经验
- 扎实的RAG和上下文工程基础，熟悉向量数据库（Milvus/FAISS）及检索优化
- 熟练掌握Python后端开发，使用FastAPI/Flask或Go，了解微服务和异步编程
- 具备容器化部署（Docker/K8s）和CI/CD能力，能够独立交付完整项目
申请策略
- 埃森哲重视行业洞察和咨询思维，面试时多展示技术如何解决业务问题
- 准备中英文双份简历，并演练英文技术面试，因为外企常会考察英语沟通
- 详细描述1-2个AI Agent或RAG项目的完整技术架构和业务成果，强调量化指标
- 突出使用LangChain/LangGraph等框架的开发经验，以及多模型集成的挑战和解决方案
- 展示后端工程能力，包括API设计、性能优化和容器化部署
- 如有微调、Prompt工程等深度优化经历，单独列出
- 快速上手AgentScope/Google-ADK等较新框架，了解它们与LangGraph的异同
- 系统学习向量数据库调优和RAG评估方法，掌握主流Reranker模型
面试指南
- 用STAR法则结构作答，先给结论，再讲过程，最后量化结果
- 对于技术设计类问题，采用“需求分析-候选方案-权衡决策-落地验证”的框架
- 体现咨询思维：每个技术选择都关联到成本、效率和业务价值
- 请举例说明你如何设计一个多Agent协作系统，并处理它们之间的状态同步
- 你如何评估一个RAG系统的质量？如果检索相关度不高，你会用什么方法改进？
- 大模型服务如何做到高并发低延迟？请描述你的后端架构和优化策略
- 在提示词工程中，你如何处理上下文长度限制？有哪些动态优化技巧？
- 如果你和业务方在技术方案上产生分歧，你会怎么推动项目？
职位点评
75
综合评分
前沿AI技术架构岗，大平台高薪资，技术成长空间大，但工作强度可能高。
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
适合追求技术前沿和快速成长、希望获得高薪酬和平台资源，同时能够接受咨询行业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80
成长发展85
工作生活55
使命价值75
薪资福利
80较高
该职位为高级经理级别，埃森哲作为跨国咨询公司，薪酬竞争力强，但JD未披露具体薪资，故有一定不确定性。
薪资信号未披露（AI估算：40K-75K/月）
成长发展
85较高
职位聚焦AI Agent、RAG等前沿技术，技术含量高，成长空间大；但JD未明确提及培训和晋升路径。
技术前沿前沿/新兴技术
技术栈LangGraph、LangChain、AgentScope、Google-ADK、RAG、Python、FastAPI、Go、Docker、Kubernetes
业务类型ambiguous
工作生活
55较低
工作地点在多个一线城市，需现场办公，JD未提及远程或弹性工作制度；咨询行业可能加班较多，生活平衡一般。
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
75中等
AI技术处于高速增长赛道，职位助力企业智能化转型，有较积极的社会影响；但咨询项目导向，意义感更多来自技术赋能。
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
埃森哲 的其他在招职位
相似职位推荐
Watch Jobs