携程
LLM 应用工程师（信息安全方向）（2027届秋招）(MJ037751)
LLM 应用工程师（信息安全方向）（2027届秋招）(MJ037751)
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Llm
Nlp
Prompt Engineering
Rag
Sft/Lora
信息安全
模型评测
值不值得投
82综合评分
综合评分 82
前沿AI技术栈、高成长潜力、大厂平台背书，但工作强度可能较大
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，方便比较职业起点。
薪资怎么样
2.8万
比AI算法中位数高
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 510 个在招
市场机会
选择适中
上海 · AI算法 · 31 个在招
职位详情
关于这个职位
面向2027届毕业生的校招岗位，专注于将大语言模型（LLM）应用于信息安全场景
核心职责包括安全场景下的LLM方案落地、从0到1构建评测体系、Badcase分析及前沿技术原型验证
要求具备扎实的Python编程能力，熟悉Agent架构设计及LLM原理，能够独立负责模块开发与效果优化
最低要求
招聘对象：本、硕、博
毕业时间：2026 年 9 月至 2027 年 8 月期间毕业（中国大陆以毕业证为准，非中国大陆地区以教育部学位认证为准）且最高学历毕业后无全职工作经验的学生
你将会负责：
参与安全场景的 LLM 方案落地，覆盖需求分析、方案设计、POC 验证及上线迭代，对所承担模块或任务的效果指标负责
从 0 到 1 建设评测体系：标注数据集、Baseline、对比实验，用数据驱动方案选型
分析线上 Badcase，定位数据、检索、工具调用、模型判断等环节的问题并持续优化
跟进大模型与 Agent 前沿技术，在真实场景中做原型验证和沉淀
我们期望你：
计算机、人工智能、软件工程等相关专业
熟练掌握Python,具备较好的代码组织、调试和工程实现能力
有 LLM Agent 或 LLM 驱动的 Workflow 项目实践经验，实际承担过核心模块开发，能够清晰说明本人贡献、关键技术难点及项目效果
熟悉至少一种Agent设计模式,如ReAct、Planner-Executor、工具调用、多智能体协作等，并理解其适用场景
熟悉至少一种 Agent 系统的核心架构与运行机制，能够解释任务规划、工具调用、上下文管理及异常恢复的设计取舍
熟悉 LLM 的基本原理，理解其在规划、推理和工具调用中的能力边界，具备分析和处理幻觉、超时、上下文溢出及结果不稳定等问题的能力
能够针对具体任务定义评测指标、构建评测数据集并设计对比实验，基于数据分析方案效果与局限
工作职责
参与安全场景的 LLM 方案落地，覆盖需求分析、方案设计、POC 验证及上线迭代，对所承担模块或任务的效果指标负责
从 0 到 1 建设评测体系：标注数据集、Baseline、对比实验，用数据驱动方案选型
分析线上 Badcase，定位数据、检索、工具调用、模型判断等环节的问题并持续优化
跟进大模型与 Agent 前沿技术，在真实场景中做原型验证和沉淀
优先资格
加分项：
有开源项目、线上应用或实际用户使用的Agent产品经验
有安全场景AI落地经验
有Agent评测、轨迹分析、记忆系统、上下文压缩经验
有 SFT／LoRA 微调经验
AI 洞察
优缺点分析
优点
- 聚焦前沿的LLM+Agent技术栈，技术成长空间大
- 背靠携程平台，拥有真实的业务场景和数据支撑
- 校招岗位提供完善的培养体系和晋升通道
- 安全场景对准确性和稳定性要求极高，需处理复杂的幻觉和边界问题
- LLM应用落地涉及多环节协同，调试难度大
- 对AI前沿技术充满热情，具备扎实编程基础和算法思维，希望在垂直领域深耕的应届毕业生
缺点 / 挑战
- 作为校招岗，可能面临较高的绩效期望和快速上手压力
角色解读
- 初级AI工程师 -> 高级AI算法工程师 -> AI技术专家/架构师
- 可向大模型应用架构、AI安全研究或技术管理方向发展
- 负责将大语言模型技术应用到信息安全领域，进行从需求分析到上线的全流程开发
- 构建和维护LLM应用的评测体系，通过数据分析优化模型表现
- 跟踪并验证最新的Agent技术和安全AI应用原型
- 精通Python编程及工程化能力
- 深入理解LLM原理、Agent架构（如ReAct、Planner-Executor）及工作流设计
- 具备数据安全意识和安全场景业务理解能力
- 掌握模型评测方法论及数据处理技能
申请策略
- 准备详细的项目陈述，重点阐述技术选型的理由和遇到的挑战
- 关注携程在AI安全方面的最新动态和业务痛点，展现你对业务的思考
- 突出LLM Agent相关的项目经验，详细描述你在其中的角色、技术难点及解决方案
- 展示对Agent设计模式的深入理解，如ReAct的具体实现细节
- 强调数据处理和模型评测的能力，提供具体的实验设计和结果分析
- 深入学习LangChain、LlamaIndex等主流LLM开发框架
- 实践构建一个完整的Agent应用，涵盖工具调用、记忆管理和错误处理
- 了解常见的AI安全攻击与防御手段
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目经历
- 对于技术问题，先阐述基本原理，再结合实际应用场景分析优劣，最后给出自己的见解或改进方案
- 强调数据驱动的思维，说明如何通过实验验证假设
- 请详细介绍一个你参与的LLM Agent项目，你是如何设计其架构的？
- 在面对LLM幻觉问题时，你有哪些具体的缓解策略？
- 如何构建一个有效的评测体系来评估Agent的性能？
- 解释一下ReAct模式的工作原理及其优缺点
- 在安全场景下，如何确保LLM输出的合规性和安全性？
职位点评
薪资福利85
成长发展95
工作生活60
使命价值75
薪资福利
85较高
作为已上市互联网巨头，提供具有市场竞争力的校招薪资和完善的福利体系，满足求职者对薪酬稳定性的基本预期。
薪资信号未披露（AI估算：2.0千–3.5万/月）
成长发展
95较高
岗位聚焦于LLM和Agent这一前沿技术领域，要求从0到1建设评测体系并跟进最新技术，为求职者提供了极高的技术成长空间和职业发展前景。
技术前沿前沿/新兴技术
技术栈LLM、Agent、Python、ReAct、SFT、LoRA、Workflow
业务类型profit_center
工作生活
60中等
互联网大厂通常工作节奏较快，虽未明确提及加班情况，但校招岗位往往伴随较高的工作强度和竞争压力，WLB相对一般。
工作模式未明确
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
75中等
将AI技术应用于信息安全领域，有助于提升数字环境的安全性，具有一定的社会价值和行业意义，符合追求技术使命感的求职者。
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
携程 的其他在招职位
相似职位推荐
Watch Jobs