中国平安
算法工程师（Agent方向）
算法工程师（Agent方向）
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
算法优化工程师
Nlp
Pytorch
Rag
大语言模型
实体抽取
意图识别
AI 估算 · 30k–50k
职位详情
关于这个职位
该职位负责核心NLU引擎研发、基于大语言模型的智能体构建以及RAG系统的优化，需要扎实的NLP基础和大模型实战经验
你将与产品、工程团队紧密合作，推动AI技术在金融等业务场景的落地
适合对NLP和Agent方向有深入研究和热情的技术专家
最低要求
学历与专业背景：计算机科学、人工智能、机器学习、电子工程、数学等相关专业硕士及以上学历
NLP经验：3年以上自然语言处理相关领域的研发经验，对NLP基础理论和常用算法有扎实理解
编程能力：精通Python，具备优秀的工程实现能力
熟悉至少一种主流深度学习框架，如PyTorch或TensorFlow
大模型经验：熟悉Transformer、BERT、GPT等预训练语言模型，并有实际使用和微调（Fine-tuning）大语言模型（如Llama, GLM, GPT系列等）的实践经验
综合素质：具备优秀的分析和解决问题能力，良好的团队协作精神和沟通能力，对技术充满热情
工作职责
核心NLU引擎研发：负责意图识别、实体抽取、情感分析、文本分类等核心NLU任务的算法设计、模型训练与优化
针对特定业务场景，构建高精度、高鲁棒性的NLU模型，并持续迭代提升效果
跟踪NLU领域的最新研究成果，并将其应用于实际业务中
LLM-based Agent构建：设计和开发基于大语言模型的智能体框架，实现复杂的任务规划、推理和工具调用
负责多轮对话管理、上下文理解和状态追踪模块的研发，打造流畅、智能的对话交互体验
探索Agent的自主学习和决策能力，使其能够完成开放域、多步骤的复杂任务
RAG技术应用与优化：设计并实现高效的检索增强生成（RAG）系统，结合向量检索与大语言模型，提升回答的准确性、时效性和可追溯性
负责文档切分、向量化、索引构建以及召回、排序等全链路模块的优化
研究并解决RAG系统中的常见问题，如信息噪音、召回不准、知识冲突等，并有效减少模型幻觉
工程与落地：负责算法模型的工程化部署、性能优化和线上服务的稳定性维护
与产品、工程团队紧密合作，深刻理解业务需求，推动AI技术的快速落地和商业化应用
构建完善的评测体系和数据闭环，驱动模型和系统持续改进
优先资格
专业方向（至少精通一项）：
NLU方向：在意图识别、实体抽取等领域有深入研究和项目经验
Agent方向：对LangChain、LlamaIndex等Agent框架有深入理解和实践经验，熟悉ReAct、Tool-use等Agent核心思想
RAG方向：具备完整的RAG系统搭建经验，熟悉向量数据库和语义检索技术
AI 洞察
优缺点分析
优点
- 技术前沿：涉及大模型、Agent、RAG等热门方向，技术含量高
- 平台优势：中国平安是大型金融集团，资源丰富，业务场景多样
- 职业发展：AI领域人才需求旺盛，成长空间大
- 技术难度高：需要深入理解NLP和大模型，持续学习新技术
- 竞争激烈：算法岗位竞争激烈，需要不断提升自身能力
缺点 / 挑战
- 业务压力：金融业务对模型准确性和稳定性要求高，可能面临较大工作压力
- 适合对NLP和大模型有深厚兴趣、具备扎实算法功底和工程能力的技术型人才，喜欢挑战和持续学习
角色解读
- 技术专家路线：在NLP/Agent/RAG领域深耕，成为算法专家或技术带头人
- 管理路线：带领团队负责核心算法模块，晋升为技术经理或总监
- 跨领域发展：结合金融业务，转型为AI产品经理或解决方案架构师
- 负责核心NLU任务（意图识别、实体抽取等）的算法研发与优化，提升模型精度和鲁棒性
- 设计和开发基于大语言模型的智能体框架，实现任务规划、推理和工具调用，打造流畅的对话体验
- 构建和优化RAG系统，包括文档处理、向量检索、召回排序等，减少模型幻觉
- 与产品、工程团队协作，推动算法模型的工程化部署和业务落地
- 扎实的NLP基础，熟悉常用算法和模型
- 精通Python，熟悉PyTorch或TensorFlow等深度学习框架
- 熟悉大语言模型（如Llama、GPT）的原理和微调方法
- 至少精通NLU、Agent或RAG中的一个方向，并有实际项目经验
申请策略
- 关注平安的AI战略和业务方向，在面试中展示你对金融+AI的理解
- 准备项目案例，用STAR法则清晰描述你的贡献和成果
- 突出NLP项目经验，特别是意图识别、实体抽取等任务的实际成果
- 强调大模型微调经验，包括使用的模型、数据集和效果提升
- 展示Agent或RAG项目经历，说明你的技术选型和解决方案
- 体现工程能力，如模型部署、性能优化等
- 深入学习LangChain、LlamaIndex等Agent框架，动手实践
- 熟悉向量数据库（如Milvus、FAISS）和语义检索技术
面试指南
- 使用STAR法则：情境、任务、行动、结果，突出你的具体贡献和量化成果
- 展示技术深度：从原理到实践，说明你的技术选型和优化思路
- 结合业务场景：强调你的解决方案如何满足业务需求，带来实际价值
- 请介绍一个你负责的NLU项目，如何提升模型准确率？
- 你对Agent的理解是什么？如何设计一个任务规划模块？
- 在RAG系统中，如何解决召回不准和知识冲突的问题？
- 如何对大语言模型进行微调？你有哪些实践经验？
- 如何评估一个对话系统的性能？
职位点评
70
综合评分
技术前沿、平台稳定，但工作地点固定，WLB一般。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
适合追求技术成长和职业发展，对薪资和稳定性有较高要求，能接受现场办公和一定工作压力的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展90
工作生活50
使命价值60
薪资福利
70中等
薪资面议，但平安作为大型上市公司，薪酬福利体系完善，具有竞争力。
薪资信号面议 (30K-50K/月)
成长发展
90较高
职位涉及大模型、Agent、RAG等前沿技术，技术成长空间大，且公司提供良好的发展平台。
技术前沿前沿/新兴技术
技术栈NLP、大语言模型、Agent、RAG、LangChain、PyTorch
业务类型ambiguous
工作生活
50较低
工作地点在深圳，现场办公，未提及弹性工作或远程，可能加班。
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
60中等
金融行业稳定，但社会影响力中性，技术应用价值高。
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