携程
AI应用开发工程师(MJ035830)
AI应用开发工程师(MJ035830)
发布于 大约 15 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
本科
软件工程
RAG
LLM
Prompt Engineering
LangGraph
OpenAI
AI 估算 · 30k–50k
AI应用开发工程师，携程大厂上海，技术栈前沿，岗位稀缺，薪资具有竞争力。
职位详情
关于这个职位
该职位负责构建基于大语言模型的AI Agent系统，涉及意图理解、任务规划、工具调用、知识检索等核心模块
你将参与从技术选型到产品落地的全流程，推动机票智能助手产品的迭代优化
适合对AI Agent开发充满热情、具备工程化思维的技术人才
最低要求
必备条件
本科及以上学历，计算机相关专业
熟练掌握 TypeScript
熟悉 Node.js 生态及现代前端开发体系
具备生产级大模型应用开发经验
熟悉 Prompt Engineering 方法论
熟悉 Agent 开发框架，并掌握其核心原理：LangGraph、LangChain、LlamaIndex、AutoGen 或同类框架
熟悉 RAG 架构与相关技术栈
技术能力
熟悉 OpenAI、Gemini、Claude、Qwen、DeepSeek 等主流模型
熟悉 Tool Calling / Function Calling
熟悉常见向量数据库：Milvus、Elasticsearch、pgvector
熟悉评测体系建设与实验设计
熟悉 AI 应用性能优化与成本优化
工作职责
工作职责
Agent 系统开发
负责基于 LLM 构建 Agent 系统与复杂 Workflow
设计并实现 ReAct、Plan-Execute、Multi-Agent 等 Agent 架构
实现 Tool Calling、Function Calling、MCP 等工具生态集成
设计任务规划、记忆管理、状态管理与长期上下文机制
Prompt Engineering 与模型优化
设计和优化 Prompt、System Prompt、Tool Description
建立 Prompt 评测体系与自动优化闭环
基于线上 Case 持续进行 Bad Case 分析与迭代
参与模型选型与效果评估
LLM Evaluation
构建 Agent、RAG、Prompt 等模块的自动化评测体系
设计 Accuracy、Latency、Cost、Preference 等评测指标
建设 Golden Dataset、Regression Test、Benchmark 体系
推动 AI 应用从经验驱动向数据驱动演进
RAG 与知识增强
负责企业知识库建设与检索增强生成（RAG）系统开发
设计向量检索、Hybrid Search、Re-Ranking 等检索链路
优化知识召回率、准确率与时效性
构建知识评测体系与数据质量监控机制
微调与数据工程
参与 SFT、DPO 等模型微调项目
设计训练数据构建、清洗与质量评估流程
结合业务场景探索小模型优化与领域模型建设
前端与产品交互
基于 TypeScript 开发 AI 产品能力
参与 Agent UI、Chat UI、Workflow UI 等前端开发
与产品、设计协同完成 AI 能力落地
优化用户体验与交互效果
优先资格
加分项
有 Prompt 自动优化经验
有 AI Evaluation 平台建设经验
有 SFT/DPO/LoRA 微调经验
有 MCP、A2A 等 Agent Protocol 实践经验
AI 洞察
优缺点分析
优点
- 深度参与前沿的AI Agent技术栈，积累稀缺的大模型工程经验
- 携程作为行业巨头，平台稳定，项目资源充足，能接触真实业务场景
- 技术栈全面（LLM、RAG、微调、前端），个人技能覆盖面广
- 团队重视技术分享和体系建设，有较好的学习成长环境
- 对综合能力要求高，需要同时掌握后端、前端、AI算法等多方面技能
- AI技术迭代快，需要持续学习跟进，工作节奏可能较快
- 需要较强的评测驱动和数据驱动思维，对逻辑和细节要求高
- 适合对AI Agent充满热情、具备全栈思维和工程化能力的技术人才，尤其是希望深耕AI应用开发的开发者
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI系统架构师方向发展，负责大型Agent系统的设计与演进
- 可深入模型微调与训练方向，成为AI算法专家
- 可横向拓展至AI产品经理或技术负责人，主导AI产品的全生命周期
- 负责构建基于大语言模型的Agent系统，包括意图理解、任务规划、工具调用等核心模块
- 设计和优化Prompt，建立评测体系，持续分析Bad Case并迭代
- 参与RAG系统开发、知识库建设以及模型微调（SFT/DPO）项目
- 基于TypeScript开发AI产品前端交互界面，与产品、设计协作完成落地
- 熟练掌握TypeScript和Node.js，具备现代前端开发能力
- 深入理解Agent框架（LangGraph、LangChain等）和Prompt Engineering方法论
- 熟悉RAG架构、向量数据库及模型评测体系建设
- 了解主流大模型（OpenAI、Claude等）及其API调用，具备成本与性能优化意识
申请策略
- 关注携程机票业务场景，思考AI Agent如何赋能出行决策，在面试中提出针对性见解
- 准备好个人主导的AI项目案例，清晰阐述技术选型、架构设计、优化过程及效果
- 突出Agent相关项目经验，如使用LangChain或AutoGen构建的实际系统
- 强调Prompt Engineering和评测体系建设的具体成果，用数据说明优化效果
- 展示TypeScript和Node.js的全栈开发能力，尤其是AI相关的前端交互项目
- 体现对RAG、向量数据库、模型微调等技术点的理解和实践
- 复习LangGraph、LlamaIndex等框架的最新特性，动手实现一个小型Multi-Agent系统
- 深入学习LLM评测方法，了解Golden Dataset构建和实验设计
面试指南
- 对于系统设计类问题，可以按“场景-架构-实现-优化”的结构回答，突出关键决策和数据驱动
- 对于评估优化类问题，先明确目标指标，再介绍方法论和工具，最后用具体案例说明效果
- 请描述你曾设计的一个Agent系统架构，包括任务规划、工具调用和记忆管理
- 如何评估一个Prompt的效果？你有哪些自动优化Prompt的经验？
- 在RAG系统中，如何平衡召回率和准确率？你用过哪些检索策略？
- 你在微调大模型时遇到过哪些挑战？如何处理数据质量问题？
- 如何设计一个AI应用的评测体系？你关注哪些关键指标？
- 系统复习LangGraph、LangChain等框架的核心概念和代码实践
职位点评
72
综合评分
携程AI Agent工程师，前沿技术栈，强成长空间，但现场办公且工作强度可能较高。
更适合这类人
最适合追求技术成长和前沿开发的求职者，对工作生活平衡要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展95
工作生活50
使命价值70
薪资福利
75中等
薪资待遇在AI领域具有竞争力，携程作为上市公司提供稳定保障，但JD未明确提及具体福利。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
95较高
该职位技术栈前沿，涉及Agent、RAG、微调等核心领域，团队重视技术体系建设与分享，成长空间极大。
技术前沿前沿/新兴技术
技术栈TypeScript、Node.js、LangGraph、LangChain、RAG、Prompt Engineering、OpenAI、Claude、Milvus、SFT、DPO
成长机会技术分享
业务类型profit_center
工作生活
50较低
办公地点在上海，未提及远程或弹性工作，AI领域通常工作强度较高，周末或加班可能常见。
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
70中等
AI Agent赋能出行场景，能直接改善用户体验，具有一定的社会价值，但行业整体以商业驱动为主。
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
Watch Jobs