中国平安
后端AI Agent 工程师
后端AI Agent 工程师
发布于 2 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
Llm
Rag
值不值得投
69综合评分
综合评分 69
高技术门槛的AI Agent工程师岗位，技术成长性强，但工作模式与WLB信息未明。
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。
薪资怎么样
4万
比人工智能中位数高
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 13010 个在招 · 其中人工智能 6 个
市场机会
选择面较广
深圳 · 人工智能 · 约 120 个在招
职位详情
关于这个职位
此岗位负责为平安集团的AI应用场景（如医疗健康）开发和部署高性能的后端AI Agent系统
你需要精通Python及其Web框架，熟练运用LangChain等AI Agent框架设计与实现端到端的解决方案，并处理与LLM、RAG及数据库、中间件相关的复杂工程挑战
最低要求
基础与经验（硬性）
年以上Python开发经验 + 1年AI Agent开发经验，本科及以上学历（计算机、软件工程等相关专业）
精通Python，熟悉Flask、FastAPI或Django等至少一种Web框架
熟练掌握MySQL（索引优化、SQL调优、Schema设计）、Redis（数据结构、分布式锁、缓存设计）、消息队列（RabbitMQ/RocketMQ/Kafka等）及Elasticsearch（文本检索、分布式搜索）
熟悉LLM生态，有LangChain、LlamaIndex、AutoGen、CrewAI等至少一种Agent框架的实际开发或研究经验
熟悉RAG完整链路，了解向量数据库（如Milvus、Pinecone、Chroma等）及混合检索优化
工作职责
岗位职责:
Python 核心基础：精通 Python 底层机制（内存管理、GIL 及优化），熟练掌握 asyncio 异步编程、装饰器/生成器/元编程等高级特性及常见设计模式
恪守 PEP8 规范，熟练运用 pytest 编写高质量可测试代码
Web 后端开发：精通 FastAPI/Flask/Django 之一，具备 0-1 项目经验及 RESTful API 设计能力
熟练使用 Celery 结合消息队列处理高并发异步任务，具备消息丢失、重复消费等问题的实战调优经验
数据库与中间件：深谙 MySQL 事务隔离、MVCC 及索引/慢查询调优
熟练应用 Redis 数据结构、持久化与集群架构，掌握缓存穿透/雪崩等高可用方案
精通 ES 倒排索引与 DSL 查询，熟悉 Canal/Logstash 数据同步方案
部署与运维：熟练使用 Docker 编写高效多阶段镜像
精通 Linux 服务管理与日志排查
掌握 Nginx 反向代理、负载均衡策略及动静分离配置
综合素质：擅长输出清晰的技术设计与 API 文档
具备优秀的团队协作与知识分享意识，持续跟进前沿
优先资格
加分项
行业背景：医疗、健康、医药信息化或医疗AI项目经验
算法与训练：熟悉主流开源模型（如LLaMA、Qwen等）的微调（SFT、LoRA、Prompt Tuning），或有传统机器学习/深度学习训练经验
工程经验：有大流量高并发分布式系统设计或大型AI生产环境落地经验
AI 洞察
优缺点分析
优点
- 能直接接触和实践当前最前沿的AI Agent技术栈，在大型金融平台上将AI能力转化为实际业务价值
- 公司平台大，资源丰富，项目往往涉及复杂场景和海量数据，对技术深度和广度是极好的锻炼
- 技能组合（后端+AI）市场需求强劲，职业发展路径宽广，具备高竞争力和稀缺性
- AI领域技术迭代极快，需要持续学习跟进新框架、新论文，保持技术敏感性
- 需要理解复杂的业务逻辑（如医疗、金融），并将技术方案与之紧密结合，对业务理解能力要求高
- 大型企业内部项目可能流程较长，技术方案需要多方协调，对沟通协作能力有要求
缺点 / 挑战
- 具备扎实Python后端基础，对AI应用（特别是Agent方向）有浓厚兴趣和实践经验，乐于解决复杂技术挑战，并希望在大平台上将前沿技术产品化的工程师
角色解读
- 技术专家路线：深入AI Agent技术栈，成为大模型应用架构师，专注于复杂Agent系统的设计与性能优化
- 技术管理路线：带领小团队，负责AI Agent平台的规划与建设，推动技术在业务中的规模化落地
- 使用Python及FastAPI等框架，为业务场景（特别是医疗健康领域）设计和开发高性能的后端AI Agent服务
- 负责构建和维护AI应用的数据管道，包括与LLM交互、RAG检索链路设计以及向量数据库的集成与优化
- 解决生产环境中的技术难题，确保AI Agent系统的稳定性、高可用性和高性能，处理高并发异步任务
- 精通Python语言及其高级特性，具备扎实的后端开发功底和工程化能力
- 熟练掌握至少一种AI Agent框架（如LangChain），并理解其底层原理，能进行二次开发
- 具备数据库、缓存、消息队列、搜索引擎等中间件的综合运用和调优经验，能解决复杂的分布式系统问题
申请策略
- 在简历或面试中，主动结合中国平安的业务场景（如智能客服、医疗问答）来阐述你对AI Agent应用的理解
- 准备好关于系统设计、技术选型理由的问题，展示你的架构思维和工程化落地能力
- 突出Python项目经验，特别是涉及异步编程、高并发、复杂业务逻辑的案例
- 重点展示与AI Agent框架（如LangChain）相关的项目，描述具体架构、解决了什么问题、取得了什么效果（如提升效率、优化结果）
- 详细列出对MySQL、Redis、消息队列等中间件的实战调优经验，量化成果（如响应时间降低、QPS提升）
- 深入研究1-2个主流Agent框架的源码，准备能体现深度理解的案例
- 实践构建一个完整的RAG应用，熟悉向量数据库选型与混合检索策略
- 了解医疗或金融行业的基本业务逻辑，思考AI Agent在这些领域的应用可能性
面试指南
- 对于系统设计题，采用「背景-目标-方案-挑战-结果」的框架，重点突出技术选型的依据和解决具体问题的过程
- 对于技术深度题，先阐述基本概念和原理，再结合自己的项目经验说明实践细节和遇到的坑，最后总结优化思路
- 对于开放性设计题，展示你的思维过程：从需求分析开始，逐步拆解功能，考虑技术可行性、可扩展性和用户体验
- 请描述你使用（或设计）过的一个RAG系统的完整架构，其中遇到了哪些挑战？如何优化检索和生成的效果？
- 在并发调用LLM API时，如何保证系统的稳定性和鲁棒性？请谈谈你对异步、重试、限流、降级的实践
- 请比较LangChain和LlamaIndex在构建Agent时的设计思路和适用场景，你在项目中是如何选择的？
- 如果让你为一个医疗咨询场景设计AI Agent，你会如何划分Agent的能力、设计工具链和交互流程？
- 复习并实操LangChain/LlamaIndex等框架，能手写核心组件（如Retriever、Chain）的简单示例
职位点评
薪资福利70
成长发展92
工作生活40
使命价值65
薪资福利
70中等
The job offers a competitive market-standard salary package typical for a large financial group, but the exact figure is not disclosed. Benefits information is not explicitly mentioned in the JD.
薪资信号面议 (3千–5万/月)
成长发展
92较高
该职位处于AI Agent技术的前沿，提供了使用最新框架解决复杂业务问题的绝佳机会，对技术深度和广度的成长非常有利。
技术前沿前沿/新兴技术
技术栈Python、FastAPI、LangChain、LlamaIndex、AutoGen、CrewAI、RAG、LLM
业务类型profit_center
工作生活
40较低
JD未提及任何远程或弹性办公信息，默认需现场办公，工作节奏与WLB情况未说明，存在不确定性。
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
作为金融巨头的核心技术岗位，项目业务价值明确，但直接的社会影响力感知不如医疗、教育等民生领域直接。
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