中国平安
算法工程师（语言模型应用）
算法工程师（语言模型应用）
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NLP工程
NLP工程
Llamaindex
Llm
Nlp
Prompt Engineering
Pytorch
Rag
模型微调
值不值得投
77综合评分
综合评分 77
依托巨头医疗场景的大模型前沿算法岗，技术成长空间大、社会价值高，但工作节奏可能较快。
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
3.8万
比NLP工程中位数高
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 13420 个在招 · 其中NLP工程 2 个
市场机会
选择不多
深圳 · NLP工程 · 8 个在招
职位详情
关于这个职位
该职位主要负责大语言模型在平安医疗业务场景中的落地应用，包括RAG、Agent、提示词工程等核心能力的研发与优化
你需要参与大模型的微调与效果评估，推动Model-Harness协同进化闭环的构建，将前沿AI技术转化为实际业务价值
最低要求
本科及以上学历，计算机、软件工程、人工智能、数学、统计学等相关专业
扎实的编程功底，熟悉 Python，熟悉 Linux 环境下的开发流程，掌握 C++ / Java / Go 中至少一门语言者优先
熟悉机器学习、深度学习、NLP 等基础理论，掌握至少一种深度学习框架（PyTorch / TensorFlow）
熟悉主流大模型的应用方式，了解 GPT 系列、Llama、Qwen、DeepSeek 等模型的 API 调用与本地部署方案
熟悉 RAG、向量检索、Prompt 工程、Agent 等大模型应用技术，有实际项目落地经验者优先
理解 Agent 与 Harness 的核心概念与运行原理，包括 Agent Loop、ReAct 循环、工具调用、上下文管理与 KV-Cache 管理等，了解 Harness 作为"Agent 边界内、模型之外的运行与治理层"的职责边界
具备良好的问题分析能力与工程实践能力，能够独立完成方案设计、开发实现与效果评估
工作职责
负责大语言模型在平安医疗业务场景中的应用落地，包括需求分析、方案设计、技术选型与工程实现，推动 LLM 技术转化为实际业务价值
参与大模型应用核心能力的研发与优化，包括但不限于提示词工程（Prompt Engineering）、上下文构建、多轮交互、函数调用（Function Calling）等
负责检索增强生成（RAG）相关模块的开发与优化，结合向量数据库、知识库、信息检索等技术，将领域知识引入模型推理流程，提升生成质量与准确性
参与 Agent / 多阶段推理系统的设计与实现，探索大模型在复杂任务中的自动化执行与落地
推动 Model-Harness 协同进化闭环的构建，实现"能力构建 → Agent Trajectory → 模型训练 → 能力内化 → 模型增强 → Harness 再进化"的迭代循环
负责大模型的微调（SFT / LoRA / RL）及效果评估，设计并开展算法实验，持续优化模型表现与任务完成能力
持续跟进大模型、AIGC、多模态等前沿技术进展，结合业务需求探索新应用场景并推动落地
优先资格
有 LangChain、LlamaIndex等开源应用框架的实际使用经验
AI 洞察
优缺点分析
优点
- 依托丰富的医疗业务场景，拥有海量数据与真实的落地机会，利于积累大模型垂直领域实战经验
- 接触前沿的Agent、RAG及模型微调技术，技术栈处于行业前沿，利于个人技术深度与广度的拓展
- 医疗场景对准确性要求极高，模型幻觉控制与工程落地难度较大，需要较强的工程化能力
- 适合对大模型技术有热情、具备扎实算法基础且渴望在医疗AI垂直领域深耕的算法工程师
缺点 / 挑战
- 大模型技术迭代极快，需要持续跟进前沿论文与开源社区，学习压力较大
角色解读
- 从大模型应用开发工程师向大模型算法专家或AI架构师发展
- 未来可深入医疗AI垂直领域，成为懂业务与技术的复合型AI领军人才
- 负责大语言模型在平安医疗场景的落地，包括RAG、Agent、提示词工程等核心能力研发
- 参与大模型微调与效果评估，构建Model-Harness协同进化闭环，将前沿AI技术转化为实际业务价值
- 扎实的Python编程功底及深度学习框架（PyTorch/TensorFlow）使用能力
- 熟悉主流大模型应用方式（RAG、Agent、Prompt工程）及模型微调（SFT/LoRA/RL）技术
申请策略
- 了解平安在医疗AI领域的布局，面试时可结合医疗场景探讨大模型的应用痛点与解决方案
- 重点突出大模型应用落地经验，如RAG系统构建、Agent开发或模型微调（SFT/LoRA）的实际项目成果
- 展示在复杂业务场景下解决模型幻觉、提升生成准确性的具体方案与数据指标
- 深入学习LangChain、LlamaIndex等主流开源框架，掌握Agent Loop、ReAct循环等核心概念
- 熟悉向量数据库及信息检索技术，提升大模型应用的工程化落地能力
面试指南
- 采用STAR法则，结合具体项目背景、技术方案设计、遇到的难点及最终的业务收益进行回答
- 对于算法问题，先阐述理论原理，再结合工程实践说明优化手段与效果评估指标
- 请详细介绍你主导或参与的RAG系统架构，如何解决检索召回率和生成准确性的问题？
- 在Agent开发中，你是如何设计工具调用和上下文管理的？遇到过哪些挑战？
- 针对大模型在医疗场景的幻觉问题，你有哪些工程或算法层面的解决思路？
- 请解释SFT和LoRA微调的区别，以及在什么场景下你会选择哪种微调策略？
- 复习大模型核心概念（如Transformer架构、Attention机制、KV-Cache），准备1-2个深度参与的大模型落地项目案例
- 了解平安医疗业务的基本逻辑，思考大模型如何赋能医疗问诊、病历生成等场景
职位点评
薪资福利75
成长发展90
工作生活60
使命价值80
薪资福利
75中等
薪资面议，结合深圳大模型算法岗的市场行情与岗位技术难度，整体薪酬具备较强竞争力。
薪资信号面议 (2.5千–5万/月)
成长发展
90较高
岗位涉及大模型前沿技术（Agent、RAG、微调），且依托医疗业务场景，技术成长与业务落地空间极大。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Agent、Prompt Engineering、PyTorch、SFT、LoRA、LangChain
业务类型profit_center
工作生活
60中等
JD未明确提及工作模式与加班情况，无法准确判断工作生活平衡状态，建议面试时与HR确认。
工作模式未明确
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
80较高
将大模型技术应用于医疗业务场景，有助于提升医疗服务效率与质量，具有较高的社会价值与行业前景。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs