顺丰速运
AI效能提升研发工程师
AI效能提升研发工程师
发布于 大约 15 小时前普通员工/个人贡献者
深圳市
高级经验
全职员工
仅现场办公
硕士
软件工程
Ai Agent
CI/CD
Code Llm
Github Copilot
Go
Llm
Openai
Prompt Engineering
Rag
AI 估算 · 30k–50k
深圳大厂高级工程师，AI方向稀缺，薪资有竞争力，但面议取中位估值。
职位详情
关于这个职位
该职位专注于设计和开发基于AI的研发效能提升工具平台，包括代码生成、智能补全、代码审查等，并构建AI驱动的效能度量体系，推动AI工具在团队落地
需要扎实的软件开发能力与深入的AI技术理解，适合追求前沿技术创新的工程师
最低要求
扎实的研发能力：研究生及以上学历，计算机相关专业优先
年以上软件开发经验，精通至少一门主流编程语言（Python/Java/Go/TypeScript等）
深入理解数据结构、算法和设计模式
熟悉前端或后端完整技术栈，有大型系统开发和优化经验
AI技术理解：深入了解AI技术原理，特别是LLM的能力边界和应用场景
熟悉主流AI模型和API（如OpenAI、Claude、Gemini等），有实际项目经验
深度使用过主流AI辅助编程工具（GitHub Copilot、Cursor、Claude Code、Windsurf等）
了解Prompt Engineering、RAG、向量数据库、Embedding等核心技术
强烈的技术热情和学习能力
理解AI Agent、工具调用、多模态等前沿方向
效能工程经验：结果导向，有较强的自驱力和责任心
对研发效能有深刻理解，熟悉故事点指标、DevOps实践
有开发工具、平台或基础设施建设经验
良好的沟通协作能力，能够跨团队推动项目落地
了解CI/CD流程，熟悉Jenkins/GitLab CI/GitHub Actions等工具
工作职责
AI效能工具研发：设计和开发基于AI的研发效能提升工具平台（代码生成、代码审查、智能补全等）
升级传统效能工具（需求管理平台、研发流水线平台等），深度集成AI能力
构建和优化AI辅助编程工作流，集成主流IDE和开发环境
研发智能测试工具，提升测试覆盖率和缺陷发现效率
效能体系建设：建立以AI为核心的研发效能度量体系和评估标准
分析开发流程瓶颈，提出并实施AI驱动的优化方案
推动AI工具在团队的落地和最佳实践沉淀
技术创新与探索：跟踪AI领域前沿技术（LLM、Code LLM、Agent等），评估并引入适合的技术方案
探索Prompt Engineering、RAG、Fine-tuning等技术在效能提升场景的应用
参与AI效能工具的架构设计和技术选型
团队协作与赋能：与产品、研发、测试团队紧密合作，了解真实痛点并提供解决方案
编写技术文档，组织培训和分享，提升团队AI工具使用能力
参与技术评审，保证方案的可行性和先进性
AI 洞察
优缺点分析
优点
- 接触前沿AI技术（LLM、Agent等），技术成长空间大
- 在物流巨头顺丰，业务场景丰富，AI工具落地价值显著
- 团队技术氛围浓厚，有创新和探索的自由度
- 深圳大厂，薪资待遇有竞争力，稳定性高
- 效能工具推广可能面临团队习惯阻力，需要较强的推动能力
- 技术迭代快，需保持对前沿进展的敏锐度
- 适合有深厚开发背景、对AI技术充满热情，希望将AI应用于研发效能提升，并愿意在大型组织中推动技术变革的工程师
缺点 / 挑战
- 需要同时精通开发和AI技术，知识跨度大，持续学习压力大
角色解读
- 向AI效能领域专家发展，成为技术负责人或架构师
- 横向拓展至AI产品经理或AI架构师，结合业务创造价值
- 在顺丰内部向技术管理方向发展，带领团队推动AI落地
- 设计和开发基于AI的研发效能工具，如代码生成、智能补全、代码审查等
- 升级传统效能工具，集成AI能力，构建AI辅助编程工作流
- 建立AI效能度量体系，分析开发瓶颈，推动优化方案落地
- 跟踪AI前沿技术，探索Prompt Engineering、RAG等应用
- 精通至少一门编程语言（Python/Java/Go/TypeScript），具备大型系统开发经验
- 深入理解LLM技术原理，熟悉Prompt Engineering、RAG、向量数据库等
- 熟悉CI/CD流程和DevOps工具，有效能工具或平台建设经验
- 良好的系统设计能力和跨团队沟通协作能力
申请策略
- 了解顺丰科技转型方向，面试中可结合物流场景提出AI效能创新想法
- 准备一个完整的系统设计案例，突出技术选型与权衡
- 突出软件开发经验，特别是大型系统的设计和优化案例
- 展示AI项目实践，如使用LLM开发工具或应用的经历
- 强调效能工程经验，如CI/CD、DevOps、工具平台建设
- 体现自驱力和结果导向，列举推动落地的成果
- 深入学习Prompt Engineering和RAG技术，动手实践
- 熟练使用主流AI编程工具（如GitHub Copilot、Cursor），理解原理
面试指南
- 使用STAR法则：情境、任务、行动、结果，突出个人贡献
- 技术选型对比：列出候选方案，对比优劣，给出选择理由
- 度量驱动：强调如何用量化指标评估效果，如代码生成接受率、缺陷率等
- 请介绍你开发过的效能工具或平台，设计思路和实现成果？
- 如何看待LLM在代码生成中的局限性？如何改进？
- 如何设计一个AI代码审查系统？
- 如何评估AI效能工具的实际效果？请举例说明
- 描述一次你推动新技术在团队落地的经历，遇到了哪些挑战？
职位点评
71
综合评分
深圳大厂，前沿AI技术栈，发展空间大，但WLB不确定。
更适合这类人
适合追求技术成长和前沿挑战，对工作生活平衡要求不高的开发者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展90
工作生活60
使命价值65
薪资福利
70中等
深圳大厂，薪酬有竞争力，但具体金额面议，稳定性好，整体补偿性中等偏上。
薪资信号面议 (30K-50K/月)
成长发展
90较高
职位涉及AI前沿技术，学习机会多，有培训和分享，发展空间大。
技术前沿前沿/新兴技术
技术栈LLM、Code LLM、Prompt Engineering、RAG、AI Agent
成长机会培训、分享
业务类型cost_center
工作生活
60中等
仅现场办公，未提及弹性工作或WLB，通勤可能在科技园，生活化满足一般。
工作模式仅现场办公
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
65中等
物流行业稳定，AI赋能研发效能，社会影响中性，创新积极，但使命感不突出。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
顺丰速运 的其他在招职位
相似职位推荐
Watch Jobs