顺丰速运
AI效能提升工程师
AI效能提升工程师
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
RAG
GO
LLM
CI/CD
Prompt Engineering
AI Agent
GitHub Copilot
Code Llm
AI 估算 · 30k–50k
AI方向高级工程师，顺丰为上市巨头，深圳薪资水平较高，综合估算月薪30-50k。
职位详情
关于这个职位
该职位专注于研发AI驱动的研发效能工具平台，包括代码生成、智能审查、测试优化等，旨在提升开发团队整体效率
你将深入探索LLM、Code LLM等前沿AI技术，并与产品、测试等团队紧密合作，推动AI工具在团队内落地
适合有扎实研发背景并对AI应用充满热情的工程师
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，具备良好的系统设计能力
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（Large Language Model）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（如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，关注AI领域最新进展，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
- 站在AI技术前沿，接触LLM、Code LLM等最新技术，技能积累快
- 顺丰作为物流巨头，技术投入大，平台稳定，项目影响力广
- AI效能是行业热点，职业前景广阔，可迁移性强
- AI技术迭代速度极快，需要持续学习和跟进最新进展
- 内部工具平台开发可能不如业务部门受重视，需主动推动落地
- 适合有扎实研发背景、对AI应用有强烈热情、喜欢钻研工具和效率提升的工程师
缺点 / 挑战
- 岗位对综合能力要求高，既要懂研发又要懂AI，压力较大
角色解读
- 成为AI效能领域的专家，主导公司级效能平台建设
- 向AI架构师或技术专家方向发展，深入AI应用创新
- 可转向AI产品经理或技术管理岗，领导AI效能团队
- 设计和构建AI赋能的研发效能工具，如代码生成、智能代码审查、测试自动化等
- 将AI能力集成到现有工具链中，优化开发流程，提升团队交付效率
- 探索并引入LLM、Code LLM、Agent等前沿AI技术，解决实际研发痛点
- 与多团队协作，推动AI工具的落地，并沉淀最佳实践
- 精通至少一门主流编程语言（Python/Java/Go等），5年以上开发经验
- 深入理解AI技术原理，熟悉LLM、Prompt Engineering、RAG等
- 熟悉CI/CD流程和DevOps实践，有工具平台开发经验
- 具备良好的系统设计和沟通协作能力
申请策略
- 关注顺丰的技术博客和AI部门动态，在面试中展示对业务的了解
- 准备一个AI效能提升的demo或方案，体现动手能力和创新思维
- 突出AI相关项目经验，如使用LLM开发工具、优化工作流的实践
- 强调研发效能相关成果，如搭建CI/CD流水线、开发内部工具
- 列出精通的语言和技术栈，尤其是与AI相关的技能（Prompt Engineering、RAG等）
- 展示自驱力和跨团队协作案例
- 深入学习LLM原理及其在编码场景的应用，动手实践Copilot类工具
- 补充Prompt Engineering、RAG、向量数据库等关键技术知识
面试指南
- STAR法则：情境、任务、行动、结果，结构清晰
- 先讲原则再举例：先说明你的核心思路，再用具体案例佐证
- 体现学习和迭代：强调你如何根据反馈优化方案，展现成长性
- 请描述你使用LLM开发过的一个效能工具，以及遇到的挑战
- 你如何评估一个AI工具对研发效率的提升效果？
- Prompt Engineering中，如何设计提示词来保证代码生成质量？
- 在你看来，当前AI辅助编程的局限性有哪些？
- 如果需要在团队内推广AI工具，你会如何说服同事使用？
职位点评
66
综合评分
大厂AI效能岗，前沿技术栈，高成长性，但需现场办公且WLB未明确。
更适合这类人
适合追求技术成长和前沿AI应用的求职者，对工作地点灵活性要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展90
工作生活45
使命价值70
薪资福利
60中等
薪资面议但顺丰为上市大厂，薪酬竞争力中等，福利可能不错，但未明确。
薪资信号面议 (30K-50K/月)
成长发展
90较高
职位要求掌握前沿AI技术，涉及LLM、Agent等，成长空间大，但未明确晋升路径。
技术前沿前沿/新兴技术
技术栈LLM、Code LLM、Prompt Engineering、RAG、AI Agent
业务类型ambiguous
工作生活
45较低
仅现场办公，未提及弹性工作或WLB，深圳工作节奏可能较快。
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
70中等
AI提升研发效率有一定社会价值，物流行业稳定，但使命感不明显。
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