顺丰速运
自然语言处理工程师
自然语言处理工程师
发布于 大约 4 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
本科
软件工程
RAG
向量数据库
大模型
Prompt Engineering
GPT
vLLM
LangGraph
ollama
Fastgpt
AI 估算 · 25k–45k
深圳大厂高级NLP工程师，要求5-10年经验及大模型技能，市场供需旺盛，薪资有竞争力。
职位详情
关于这个职位
顺丰速运正在招聘自然语言处理工程师，你将负责基于大模型技术（如GPT、Llama）开发智能体、知识库和RAG应用，推动AI产品在航空物流等业务场景落地
需要精通Python、LangChain等框架，具备Prompt工程和Agent开发经验
这是一个高成长性的技术岗位，适合有大模型应用经验的中高级工程师
最低要求
本科及以上学历,计算机/人工智能/大数据相关专业(CET4)
精通Python及至少一种开源框架（LangChain/LangGraph必备），熟悉FastAPI/Flask等Web开发框架
深入掌握RAG技术栈（向量数据库/检索优化）、Agent开发范式及调试工具链
具备Prompt工程实战经验，能根据业务场景设计高效指令模板
工作职责
基于大模型技术（如GPT、Llama等），设计并开发智能体（Agent）、知识库系统及RAG应用，推动AI产品在业务场景中的落地
使用LangChain、LangGraph等框架构建大模型应用系统，完成从模型部署（如Ollama/VLLM）到业务集成的全流程开发
通过Prompt Engineering优化模型输出效果，结合Function Calling等技术实现复杂交互逻辑
针对航空领域需求（如航司知识库、智能客服等），设计定制化解决方案并完成工程实现
跟踪大模型前沿技术，推动团队在Agent架构、多模态应用等领域的技术迭代
优先资格
有知识库系统或智能体项目落地经验，熟悉Dify/FastGPT等AI开发平台者优先
AI 洞察
优缺点分析
优点
- 顺丰为行业巨头，业务场景丰富（航空物流），AI落地价值大
- 涉及最前沿的大模型技术（GPT、Agent、RAG），技能积累快
- 团队技术氛围好，有机会推动技术迭代，个人成长空间大
- 需要快速掌握多种框架和工具链，学习曲线较陡
- 业务场景复杂（航空领域），需定制化解决方案，工程难度高
- 大模型领域变化快，需要持续跟踪前沿技术，保持学习动力
- 适合有3-5年以上NLP/大模型经验、热爱技术探索、能承受一定强度、希望在大平台实现技术价值的中高级工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 成长为AI技术专家或架构师，主导大模型应用架构设计
- 转向管理岗，带领AI团队负责业务线AI产品化
- 深入前沿领域，如多模态、推理增强等，成为行业KOL
- 设计并开发基于大模型的智能体（Agent）和知识库系统，实现RAG应用落地
- 使用LangChain/LangGraph等框架搭建从模型部署到业务集成的全流程系统
- 通过Prompt Engineering和Function Calling优化模型交互，针对航空业务需求定制解决方案
- 跟踪大模型前沿技术，推动团队在Agent架构和多模态应用上迭代
- 精通Python和LangChain/LangGraph框架，熟悉FastAPI/Flask等Web开发
- 深入掌握RAG技术栈（向量数据库、检索优化）和Agent开发范式
- 具备Prompt工程实战经验，能设计高效指令模板
- 有知识库系统或智能体项目落地经验，熟悉Dify/FastGPT等平台优先
申请策略
- 提前了解顺丰在AI领域的布局（如智慧物流），在面试中展现业务理解
- 准备1-2个技术亮点项目，详细阐述设计思路和遇到的挑战
- 突出大模型项目经验，尤其是Agent、RAG、知识库的实际落地案例
- 详细描述使用LangChain/LangGraph等框架的工程实践和优化成果
- 展示Python和Web框架（FastAPI/Flask）的熟练度，以及部署经验（Ollama/VLLM）
- 如有航空或物流领域项目，务必强调，体现行业匹配度
- 系统学习LangChain/LangGraph官方文档，动手搭建一个完整的RAG+Agent Demo
- 深入了解向量数据库（如Milvus、Weaviate）和检索优化技术
面试指南
- STAR原则：情境-任务-行动-结果，清晰呈现项目背景和你的贡献
- 技术对比框架：面对技术选型时，列出候选方案，从性能、成本、可维护性等维度对比，说明决策理由
- 问题解决框架：描述问题-分析原因-尝试方案-最终效果，展示解决问题的系统思维
- 请介绍你设计的一个基于RAG的智能问答系统，包括技术选型和优化点
- 如何使用LangChain构建一个Agent？请举例说明Function Calling的应用
- 大模型落地中遇到过哪些Prompt Engineering难题？如何解决？
- 向量数据库的检索效果如何优化？有实际调优经验吗？
- 如何评估一个AI产品的业务价值？你之前的项目带来了什么成效？
职位点评
66
综合评分
前沿大模型技术岗，发展空间大，但薪资面议且WLB不确定。
更适合这类人
最适合追求技术成长和前沿领域的求职者，若看重工作生活平衡则需谨慎。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展90
工作生活40
使命价值70
薪资福利
65中等
薪资面议，但顺丰上市大厂，预计薪资有竞争力，但具体需谈判。福利从JD未提及，综合中等偏上。
薪资信号面议 (25K-45K/月)
成长发展
90较高
岗位涉及最前沿的大模型技术（Agent、RAG、LangChain），技术迭代空间大，且公司平台提供丰富业务场景，发展性极强。
技术前沿前沿/新兴技术
技术栈Python、LangChain、LangGraph、RAG、GPT、Llama、Agent、向量数据库、Prompt Engineering、Function Calling、Ollama、VLLM
成长机会推动团队在Agent架构、多模态应用等领域的技术迭代
业务类型profit_center
工作生活
40较低
工作地点深圳，现场办公，未提及弹性工时或远程，大厂通常工作强度较高，WLB一般。
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
航空物流场景有明确社会价值（提升效率、优化服务），技术驱动创新，但非直接改变社会。
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
Watch Jobs