希音
资深算法/专家（客服）-上海南京深圳
资深算法/专家（客服）-上海南京深圳
发布于 大约 6 小时前普通员工/个人贡献者
上海市 / 南京市
高级经验
全职员工
仅现场办公
本科
软件工程
Ai Agent
Llm
Lora
Multi-Agent
Nlp
Prompt Engineering
Pytorch
Rag
Rlhf
AI 估算 · 40k–70k
资深AI算法专家，一线城市稀缺技能，薪资竞争力强。
职位详情
关于这个职位
该职位负责将先进的大语言模型（LLM）能力落地于智能客服场景，研发智能体系统以提升客服效率和客户满意度
您将参与模型微调、智能体构建、技术探索与效果迭代，需要深厚的算法和工程经验，对AI技术落地充满热情
最低要求
本科及以上学历，计算机、人工智能、软件工程、数据科学等相关专业
年以上算法开发、后端开发或NLP相关工程经验
精通Python/Java等至少一门编程语言，具备优秀编码习惯和工程化思维，熟悉PyTorch/TensorFlow等深度学习框架优先
熟悉大模型微调技术（如LoRA、P-Tuning），有实际数据构建、SFT/RLHF经验优先
具备实际Agent或Multi-Agent项目开发经验，对规划、记忆、工具调用等核心模块有深刻理解
熟悉NLP基础技术，对意图识别、实体抽取、对话管理等有实际经验优先
极强的自驱力和快速学习能力，善于从业务场景抽象技术问题，具备良好团队协作和跨部门沟通能力
工作职责
业务落地与提效：负责大模型在智能客服全场景的算法应用设计与工程化落地，优化咨询应答、问题排查、工单处理等场景算法策略，提升效率与满意度
LLM应用开发：参与基于大语言模型的智能客服应用开发，包括Prompt Engineering、模型微调（SFT/RLHF）、评测与轻量化部署
智能体构建：主导或参与智能客服智能体及Multi-Agent系统设计开发，整合外部工具、知识库、工单系统等能力，解决复杂多轮交互与意图理解
技术探索与演进：跟踪AI前沿技术（RAG、Long Context、Function Call、多模态等），持续优化技术架构
效果迭代与优化：结合业务数据与用户反馈，迭代模型与智能体系统，优化交互逻辑，提升泛化能力
优先资格
有智能客服、在线咨询、对话机器人等领域算法开发或系统搭建经验优先
熟悉RAG技术体系，有知识库构建、检索优化、知识问答落地经验优先
了解客服业务流程，熟悉工单系统、智能外呼、多渠道客服平台等产品优先
有大模型落地实际项目经验，能独立完成从技术方案设计到工程化部署全流程优先
AI 洞察
优缺点分析
优点
- 接触前沿LLM技术，应用场景丰富，能深入参与从研发到落地的全流程
- 岗位层级高，薪资优厚，对个人职业发展有显著背书作用
- 技术对业务影响直接，成就感强，能快速看到算法效果
- 技术迭代快，需要持续学习新兴框架和工具，保持竞争力
- 客服场景复杂，边缘问题和歧义情况多，模型泛化难度高
- 跨部门沟通协调需求多，需要与产品、业务团队紧密配合
- 适合有NLP/LLM深度经验、热爱技术落地、能承受快节奏的资深算法工程师
缺点 / 挑战
- 大平台资源，海量客服数据，技术挑战大，成长空间高
角色解读
- 成长为智能客服领域的技术专家或架构师，主导核心算法方向
- 向技术管理方向发展，带领算法团队，推动业务落地
- 拓展到其他AI应用场景，如推荐系统、搜索、多模态等
- 负责大模型在智能客服场景的应用设计与工程化落地，优化咨询、工单处理等环节
- 开发Prompt Engineering、模型微调（SFT/RLHF）、评测与部署，确保模型准确性与稳定性
- 构建智能体及多智能体系统，整合工具、知识库，解决复杂多轮交互问题
- 追踪AI前沿技术，持续迭代技术架构和模型效果
- 精通Python/Java及深度学习框架（PyTorch/TensorFlow），具备扎实工程能力
- 深入理解大模型微调技术（LoRA, SFT/RLHF），有实际数据构建和训练经验
- 具备Agent或Multi-Agent开发经验，熟悉规划、记忆、工具调用等核心模块
- 熟悉NLP基础技术，如意图识别、实体抽取、对话管理
申请策略
- 准备一个智能客服相关的技术方案，展现端到端设计能力
- 深入了解希音的业务，思考AI如何提升用户体验
- 突出LLM微调和Agent项目经验，详细描述技术方案和成果
- 展示NLP技术深度和工程化能力，如意图识别、对话管理、代码质量
- 强调成果量化，如效率提升百分比、准确率指标等
- 体现跨团队协作经验，展现推动技术落地的能力
- 补充RAG和检索优化知识，熟悉知识库构建流程
- 学习强化学习与RLHF，了解偏好对齐技术
面试指南
- 使用STAR法则（情境、任务、行动、结果）清晰描述项目经历
- 从问题定义、方案设计、技术选型、迭代优化逐步展开
- 结合业务场景讲技术决策，展示对业务的理解
- 如何设计一个基于LLM的客服问答系统？请描述整体架构
- 你有哪些Prompt Engineering的经验？如何处理模型输出不稳定？
- Agent的规划与记忆机制如何实现？请举例说明
- 如何评估智能客服模型的效果？使用哪些指标？
- 你处理过哪些边缘案例或棘手问题？如何优化？
职位点评
77
综合评分
大厂高薪，前沿LLM技术栈，但现场办公且WLB信息不明确。
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
重视技术成长和薪资回报的资深算法工程师，愿意接受现场办公和高强度学习。
表现最好
薪资福利
相对薄弱
工作生活
薪资福利85
成长发展80
工作生活60
使命价值75
薪资福利
85较高
薪资信号偏高，资深专家岗位待遇优厚，但JD未披露具体福利信息。
薪资信号偏高 (40K-70K/月)
成长发展
80较高
技术前沿（LLM/Agent），成长空间大，但JD未明确提及晋升通道或培训。
技术前沿前沿/新兴技术
技术栈LLM、Agent、Multi-Agent、SFT、RLHF、RAG
业务类型ambiguous
工作生活
60中等
仅现场办公，工作地点为一线城市，JD未提及弹性工作或WLB相关描述。
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
属于AI高速增长赛道，但社会影响中性，创新水平积极。
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
希音 的其他在招职位
相似职位推荐
Watch Jobs