顺丰速运
智能体工程师
智能体工程师
发布于 3 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
Fastgpt
Prompt Engineering
Rag
向量数据库
大模型
值不值得投
72综合评分
综合评分 72
前沿AI技术栈、大厂平台背书、侧重业务落地、WLB待确认。
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，方便横向比较。
薪资怎么样
3.5万
与人工智能中位数基本持平
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 620 个在招 · 其中人工智能 8 个
市场机会
选择面较广
深圳 · 人工智能 · 约 150 个在招
职位详情
关于这个职位
本职位主要负责基于大模型设计并开发AI智能体，满足多业务场景需求
需将智能体与现有系统集成并部署至云端或边缘环境，保障系统稳定高可用
同时深入应用RAG、Prompt Engineering等技术优化检索与任务执行能力，并使用Dify、LangChain等框架构建开发平台，全程参与研发至运维工作
最低要求
学历专业：计算机科学、人工智能、软件工程或相关专业，入职本科及以上学历
技术基础：熟练掌握Python/Java/Go等至少一门主流编程语言，具备良好的算法和数据结构基础
AI与智能体经验：对大型语言模型有深入理解，具备AI Agent实际研发经验，熟悉LangChain、LlamaIndex等至少一种主流智能体开发框架
核心技能：精通Prompt Engineering、RAG以及工具调用等功能，具备复杂Agent的设计、开发与调优能力
个人素质：具备优秀的学习能力、分析解决问题的能力，良好的团队协作精神和沟通能力
工作职责
智能体系统开发：基于大模型(如GPT、DeepSeek等)设计并开发AI智能体，满足不同业务场景的需求及平台构建与优化
智能体与现有业务系统的集成，并部署至云端或边缘环境，确保系统的稳定性、高可用性及实时响应性能全流程参与
核心技术实现：深入应用RAG、Function Calling、Prompt Engineering等关键技术，并集成向量数据库，优化智能体的信息检索、记忆管理和任务执行能力
使用Dify、FastGPT、LangChain等框架或工具，构建和优化智能体开发平台，提升系统的可扩展性、易用性和性能
参与从需求分析、技术方案设计、编码实现、测试到上线运维的全流程，并编写高质量的技术文档
AI 洞察
优缺点分析
优点
- 接触大模型与智能体最前沿技术栈，技术视野开阔且极具市场竞争力
- 依托顺丰庞大业务生态，拥有海量真实数据与丰富的落地应用场景
- 大厂平台背书，项目履历含金量高，利于后续职业跃迁
- 全流程参与研发，能系统性掌握AI工程化落地方法论
- 大模型领域技术迭代极快，需持续高强度学习以保持技术敏锐度
- 业务场景复杂度高，需兼顾模型效果、系统稳定性与实时响应性能
- 适合具备扎实编程基础、对AI前沿技术充满热情、渴望在真实业务场景中打磨工程能力的开发者
缺点 / 挑战
- 跨部门协作频繁，对需求拆解与技术方案沟通能力要求较高
角色解读
- 纵向深耕AI Agent架构师方向，主导企业级大模型应用落地
- 横向拓展至AI产品或技术管理岗，带领团队攻克前沿技术难题
- 向通用人工智能(AGI)或垂直行业大模型专家方向发展，积累稀缺工程经验
- 基于大模型设计与开发AI智能体，对接并优化多业务场景需求
- 负责智能体与现有业务系统的集成、云端/边缘部署及性能调优
- 运用RAG、Prompt Engineering等技术构建智能体开发平台，提升系统扩展性
- 贯穿需求分析、方案设计、编码测试至上线运维的全生命周期管理
- 扎实的Python/Java/Go编程基础与算法数据结构功底
- 深入理解大模型原理，具备LangChain/LlamaIndex等框架的实际开发经验
- 精通RAG架构、Prompt Engineering及工具调用机制，能独立调优复杂Agent
- 熟悉向量数据库集成与云端部署流程，具备全栈式AI工程化能力
申请策略
- 提前研究顺丰在智慧物流、供应链优化等领域的数字化布局，面试时结合业务痛点提出技术构想
- 准备1-2个完整的Agent开发案例，重点阐述从需求定义、技术选型到线上监控的闭环过程
- 突出大模型微调、RAG架构搭建或Agent实际落地的项目经历与量化成果
- 详细展示LangChain/Dify等框架的深度使用经验及性能优化案例
- 强调算法基础与复杂系统设计能力，体现解决高并发/低延迟问题的经验
- 附上GitHub开源贡献或技术博客链接，证明持续学习与技术分享习惯
- 系统梳理Prompt Engineering最佳实践，掌握结构化提示词与思维链技巧
- 深入研读向量数据库原理，提升检索增强生成的准确率与召回率调优能力
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化回答，重点突出技术决策依据与量化产出
- 针对架构类问题，先阐明整体设计原则，再分层解析核心模块，最后对比备选方案的优劣
- 结合业务场景说明技术取舍，展现工程思维而非纯理论堆砌，强调可维护性与扩展性
- 请详细描述你过往项目中RAG架构的设计思路，如何解决幻觉与检索精度问题？
- 面对复杂的业务逻辑，你是如何设计Agent的工具调用(Function Calling)策略的？
- 在大模型推理成本高或延迟大的场景下，你会采取哪些工程化手段进行优化？
- 如何评估一个AI智能体在实际业务中的表现？有哪些关键指标？
- 请分享一次你利用LangChain或类似框架解决棘手技术难题的经历
职位点评
薪资福利70
成长发展85
工作生活60
使命价值65
薪资福利
70中等
薪资面议，大厂背景通常提供具有竞争力的薪酬包与完善福利，但具体数额需面试沟通。
薪资信号面议 (2.5千–4.5万/月)
成长发展
85较高
聚焦大模型与智能体前沿技术，技术栈现代且处于行业快速迭代期，有助于积累稀缺的AI工程化经验。
技术前沿前沿/新兴技术
技术栈Python、LangChain、RAG、Prompt Engineering、向量数据库、Dify、FastGPT
业务类型ambiguous
工作生活
60中等
研发岗位通常节奏较快，JD未明确提及弹性工时或远程政策，工作强度可能较高。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
65中等
应用于物流与供应链业务场景，虽非强公益属性，但能推动传统行业数字化转型，具有一定技术应用价值。
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