顺丰速运
大模型算法高级工程师
大模型算法高级工程师
发布于 大约 4 小时前普通员工/个人贡献者
深圳市
中级经验
全职员工
仅现场办公
硕士
软件工程
NLP
RAG
大语言模型
Prompt Engineering
意图识别
多轮对话
智能体 (Agent)
模型微调 (Sft/Lora)
Hive/Spark Sql
AI 估算 · 30k–50k
顺丰为行业巨头，高级算法工程师深圳岗位稀缺，大模型技能热门，薪资竞争力强，中位数约40k/月，14薪。
职位详情
关于这个职位
作为顺丰速运的大模型算法高级工程师，你将负责设计和优化大语言模型在销售及大件业务场景中的应用，包括意图识别、多轮对话、知识问答和ChatBI等核心能力
同时参与智能体协同架构设计，推动RAG、Prompt工程及多Agent机制的落地，支撑线索智能体、销售助手等关键业务场景
这是一个将前沿AI技术与物流业务深度结合的高价值岗位
最低要求
学历与经验：计算机、人工智能、数学等相关专业硕士及以上学历，3年及以上算法或大模型相关工作经验，具备大语言模型在真实业务场景中的落地实践经验者优先
大模型与算法能力：熟悉主流大语言模型（如GPT、Qwen、LLaMA等）的原理与使用方式，具备Prompt Engineering、模型微调（SFT/LoRA）或推理优化经验
对意图识别、文本理解、信息抽取、多轮对话、任务规划等NLP方向具备扎实的理论基础与实践能力
智能体与系统设计能力：理解并具备基于大模型的智能体（Agent）设计与实现经验，熟悉多智能体协作机制、推理链路设计、工具调用及RAG（检索增强生成）等典型架构，能够推动大模型能力的工程化、服务化落地与复用
工程与数据能力：熟练使用Python，具备良好的算法工程化与线上服务化能力
具备一定的数据分析与建模能力，熟悉Hive/Spark SQL等数据处理工具，能够将复杂业务场景抽象为可落地的数据与模型问题，并支持模型效果分析与持续优化
工作职责
大模型与智能体核心能力建设：围绕销售及大件业务场景，负责大语言模型在意图识别、规划理解、多轮对话、用户画像与偏好洞察、话题与线索分析、知识问答及chatBI等核心能力上的应用设计、微调与持续优化，支撑线索智能体、销售助手智能体及大件智能体等关键场景落地
智能体推理链路与多智能体协同设计：参与线索子智能体、销售助手子智能体、大件智能体与一级、三级销售智能体的大模型协同架构设计，构建基于大模型的多轮推理、任务分解与业务决策链路，提升智能体在复杂销售与大件业务场景下的理解、决策与协同执行能力
智能体工程化与能力复用建设：设计并持续优化Prompt、RAG（检索增强生成）、工具调用及Agent协作机制，推动大模型、推荐及相关决策能力的工程化落地，保障智能体能力的稳定性、可扩展性与跨场景复用
业务决策模型与数据驱动优化：结合销售线索质量、智能报价与折扣策略等业务需求，支持折扣方案模型的优化与场景拓展，通过数据挖掘与分析持续评估智能体与模型效果，驱动核心能力的迭代优化与业务价值提升
优先资格
有销售、营销、客服或CRM等业务场景下的大模型或智能体应用经验者优先
具备较强的业务抽象与跨团队协作能力，能够将复杂业务问题转化为大模型可执行的推理与决策逻辑
AI 洞察
优缺点分析
优点
- 顺丰作为行业巨头，拥有丰富的业务场景和海量数据，技术落地价值高
- 大模型方向风口正盛，岗位技能紧贴市场热点，职业发展空间大
- 与销售、客服等核心业务结合，直接创造商业价值，成就感强
- 团队技术栈前沿，有机会参与大模型和智能体的前沿实践
- 销售场景业务逻辑复杂，需要较强的业务理解能力，技术抽象难度高
- 多智能体协同架构设计复杂，需要不断迭代优化
- 适合有一定NLP和大模型经验，喜欢解决复杂业务问题，渴望在工业界前沿技术上深入实践的算法工程师
缺点 / 挑战
- 大模型推理和工程化落地面临稳定性、延迟和成本挑战
角色解读
- 技术专家路线：深耕大模型与智能体技术，成为领域专家
- 管理路线：带领算法团队，负责更大范围的AI业务落地
- 横向发展：向AI产品架构师或数据科学家转型，结合业务与技术的综合角色
- 设计和优化大语言模型在销售场景中的意图识别、多轮对话和知识问答等核心能力
- 开发智能体（Agent）推理链路，实现多智能体协同与任务分解
- 基于RAG和Prompt工程构建可复用的AI能力，推动模型工程化落地
- 通过数据分析和模型迭代持续提升业务决策效果
- 扎实的NLP理论基础：意图识别、文本理解、信息抽取、多轮对话等
- 熟练的大模型实践经验：Prompt设计、模型微调（SFT/LoRA）、推理优化
- 智能体（Agent）架构设计与实现能力，熟悉多智能体协作与工具调用
- 工程化能力：Python、Hive/Spark SQL，能构建稳定可扩展的AI服务
申请策略
- 研究顺丰业务：了解销售流程和大件物流特点，面试中体现业务敏感度
- 准备一个完整的Agent落地案例，展示从需求分析到工程化全流程
- 突出大模型业务落地项目经验，尤其是意图识别、多轮对话或Agent相关
- 展示技术深度：Prompt、微调、RAG、推理优化等具体细节
- 强调工程化能力：例如部署、性能优化、API开发等
- 如有销售/客服/CRM场景经验，务必重点描述
- 强化大模型微调实操，熟悉LoRA、QLoRA等高效调参方法
- 学习LangChain、AutoGen等Agent框架，掌握多智能体设计
面试指南
- STAR法则：情境、任务、行动、结果，结构化展示项目经验
- 分点回答：先概述思路，再深入细节，最后总结关键点和教训
- 结合业务：每个技术问题都尽量联系顺丰的销售或物流场景
- 请详细描述你参与的一个大模型业务落地项目，包括挑战和解决方案
- 如何设计一个多轮对话智能体？请结合销售场景举例
- RAG在智能体中如何实现？如果检索效果不好你会怎么优化？
- 请解释多智能体协作的几种模式，并比较优缺点
- 如何评估大模型在业务场景中的效果？有哪些指标？
职位点评
66
综合评分
大厂核心AI岗位，技术前沿，薪资有竞争力，但WLB一般。
更适合这类人
最适合同样以技术成长为核心驱动力，愿意为前沿项目投入时间和精力的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活40
使命价值60
薪资福利
75中等
顺丰作为上市公司且行业头部，薪资竞争力强，但职位未披露具体数字，福利项未明确提及。综合评估补偿性满足较好。
薪资信号面议 (30K-50K/月)
成长发展
90较高
大模型和智能体技术前沿，岗位技术挑战大，能深度参与核心AI能力建设，成长空间巨大。
技术前沿前沿/新兴技术
技术栈大语言模型、Agent、RAG、Prompt、SFT、LoRA、多智能体协同
业务类型profit_center
工作生活
40较低
仅现场办公，无远程或弹性信息，深圳科技园工作，推测加班可能较多。生活化动机满足有限。
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
60中等
物流行业稳定成熟，但岗位核心是业务赋能，社会影响力中性。
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