同程旅行
AI Agent 开发工程师-苏州（27届）
AI Agent 开发工程师-苏州（27届）
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人工智能
人工智能
Ai Agent
Langgraph
Llm
Prompt Engineering
Rag
值不值得投
76综合评分
综合评分 76
大型企业校招核心AI岗，技术栈极度前沿、成长空间巨大，但工作强度与WLB情况未知。
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
2万
比人工智能中位数低
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 130 个在招
市场机会
选择适中
苏州 · 人工智能 · 26 个在招
职位详情
关于这个职位
该职位主要负责客服场景下的AI Agent研发，包括单/多Agent架构设计、LLM应用构建及前沿论文的工程化落地
你将深入差旅业务，推动Agent平台化与生态建设，将技术指标转化为可量化的商业价值
最低要求
本科及以上学历，计算机、软件工程、人工智能、数学等相关专业
熟练使用Java/Python/TypeScript中至少一种，熟悉OpenClaw/OpenCode/Dify/Coze等主流Agent产品，熟悉LangChain/LangGraph等开发框架
熟悉Agentic RAG 的高级优化策略（多步规划、混合检索、重排序、知识图谱融合）
熟悉Prompt Engineering与Function Calling，能根据业务场景指导模型选型与调优
有构建Agent自动化评估体系（Evaluation Harness）的经验，能量化评估准确性、鲁棒性与任务完成率
熟练使用Codex/Cursor/Claude Code等AI编程/Agent工具，是AI Native工作方式的实践者
有累计1年以上大模型应用开发实习/自主项目经验
工作职责
参与客服场景下AI Agent的研发：设计单Agent/多 Agent 协作架构，实现任务自动规划、工具调用与复杂工作流编排（如酒店信息查询、航司信息核对、工单创建/执行、AI 外呼用户协商等）
构建高可用 LLM 应用：用 RAG、Prompt Engineering、Function Calling 与记忆机制，解决差旅场景下的幻觉、数据安全与上下文管理难题
论文转工程：跟踪NLP/大模型领域顶会论文（CoT、ReAct、MCP、Agentic RAG 等），快速将理论转化为工程代码，完成从 Demo 到生产环境的原型验证与能力扩展
业务落地与商业价值：深入酒店、机票、火车票、慧行等差旅业务，参与 Agent 在复杂企业场景下的解决方案开发与交付，把技术指标转化为可量化的商业价值（效率提升率、成本降低率、转人工率等）
平台化与生态：沉淀Agent工具链与插件标准，支持业务方通过低代码方式自助搭建Agent工作流，推动平台能力产品化，加速行业解决方案的复制与推广
优先资格
有Multi-Agent 协作框架/MCP协议/工具生态设计及落地、沙箱化开发经验者优先
熟悉SFT、RLHF、In-context Learning等技术，能根据业务场景指导模型选型与调优
热爱前沿技术，在CV/NLP方向有扎实理论基础，有顶会论文或GitHub高Star开源项目者，具备快速读Paper并复现的能力
AI 洞察
优缺点分析
优点
- 处于AI Agent与大模型应用的最前沿，技术栈非常新，能积累稀缺的LLM工程化经验
- 业务场景丰富（酒店、机票等），能将技术指标转化为实际商业价值，履历含金量高
- 企业平台资源充足，有利于推动Agent平台化与生态建设
- 大模型技术迭代极快，需要持续跟踪顶会论文并保持高强度的学习状态
- 适合对大模型和AI Agent有浓厚兴趣，具备较强工程落地能力，且希望在AI应用前沿领域深耕的计算机相关专业应届生
缺点 / 挑战
- 业务场景复杂，解决幻觉、数据安全与上下文管理等工程难题具有较高挑战性
角色解读
- 从AI应用开发工程师成长为大模型算法专家或AI架构师
- 深入理解差旅业务后，可向AI业务负责人或AI产品技术总监方向发展
- 负责客服场景下的AI Agent研发，设计单/多Agent协作架构，实现任务自动规划与复杂工作流编排
- 构建高可用LLM应用，运用RAG、Prompt Engineering等技术解决幻觉与上下文管理难题
- 跟踪大模型顶会论文并转化为工程代码，推动Agent平台化与工具链生态建设
- 熟练掌握Java/Python/TypeScript至少一种，熟悉LangChain/LangGraph等Agent开发框架
- 深入理解Agentic RAG优化策略、Prompt Engineering与Function Calling
- 具备大模型应用开发经验，能构建自动化评估体系并熟练使用AI编程工具
申请策略
- 在简历或面试中，可以结合旅游/差旅场景，提前构思一个AI Agent解决具体业务痛点的Demo或方案，会非常加分
- 重点突出大模型应用开发实习或自主项目经验，展示具体的Agent架构设计与RAG优化成果
- 强调对LangChain/LangGraph等框架的熟练使用，以及将顶会论文转化为工程代码的能力
- 展示使用Codex/Cursor等AI工具提升开发效率的实际案例，体现AI Native工作方式
- 深入学习Multi-Agent协作框架与MCP协议，了解沙箱化开发技术
- 补充SFT、RLHF等模型微调技术知识，提升对模型选型与调优的理解
面试指南
- STAR法则：针对项目经验，从情境、任务、行动、结果四个维度清晰阐述，突出量化指标
- 架构设计思路：从业务需求出发，说明技术选型、核心模块设计、难点攻克及最终收益
- 请详细描述你设计过的一个单Agent或多Agent协作架构，遇到了哪些挑战及如何解决？
- 在构建RAG应用时，你是如何解决大模型幻觉和处理复杂上下文管理的？
- 如果让你为酒店信息查询场景设计一个Agent工作流，你会如何规划？
- 你如何评估一个Agent系统的准确性、鲁棒性与任务完成率？
- 复习大模型核心概念（如CoT、ReAct、RAG、Function Calling），并准备实际项目中的代码细节
- 了解核心差旅业务（酒店、机票、火车票等），思考AI Agent在这些场景下的落地可能性
职位点评
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
作为校招AI核心岗，薪资福利具备市场竞争力，但JD未披露具体薪资范围。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
95较高
岗位聚焦AI Agent与大模型前沿技术，要求跟踪顶会论文并落地，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈AI Agent、LLM、RAG、Prompt Engineering、Function Calling、LangChain、LangGraph、CoT、ReAct、MCP
业务类型profit_center
工作生活
50较低
JD未明确提及工作模式与WLB相关信息，无法判断具体工作强度与通勤情况。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
70中等
AI赋能传统差旅业务，提升效率与用户体验，具有一定的社会与商业价值。
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