中国平安
业务智能体工程师
业务智能体工程师
发布于 大约 14 小时前普通员工/个人贡献者
上海市
初级经验
全职员工
仅现场办公
本科
NLP工程
Langgraph
Llmops
Prompt工程
Rag
向量数据库
多智能体
AI 估算 · 25k–35k
AI智能体岗位需求旺盛，上海薪资水平高，1-3年经验，25000起，综合估算30000左右。
职位详情
关于这个职位
作为业务智能体工程师，你将负责设计和落地企业级AI智能体应用，基于大模型构建可自主规划、调用工具的业务Agent
工作内容涵盖LangChain/Dify开发、RAG知识库搭建、LLMOps建设等，需要能独立负责智能体场景从0到1落地
适合有1-3年AI应用开发经验、熟悉Python和主流Agent框架的工程师
最低要求
岗位要求:
本科及以上，计算机、软件工程、人工智能相关专业，1-3年 AI Agent / LLM 应用开发经验，有业务智能体上线落地经验优先
2. 精通主流智能体技术栈
熟练使用 LangChain、LangGraph 进行复杂有状态智能体开发
- 熟练使用 Dify 进行可视化工作流、RAG、Agent 快速搭建与二次开发
- 理解 Agentic 运行机制：规划、工具调用、ReAct、自我反思、状态机调度
具备业务抽象能力：能将复杂业务流程拆解为 Agent 节点、工具链、条件分支工作流，能独立设计可复用的智能体业务框架
4. 熟练 Python 开发，熟悉向量数据库（FAISS/Chroma/PgVector）、RAG优化、提示词工程、大模型微调优先
5. 懂工程化：了解API封装、异步任务、链路追踪、权限管理、私有化部署，有企业级LLMOps经验加分
6. 逻辑清晰、自驱力强，能独立负责一个智能体业务场景从0到1落地
工作职责
岗位职责:
业务级AI智能体设计与落地
负责企业业务智能体（Agent）、多智能体协作系统的架构设计、流程编排、工具能力封装，基于大模型构建具备自主规划、工具调用、记忆反思、循环迭代的业务智能体
2. 智能体工作流开发与状态编排
基于 LangChain、LangGraph、Dify 等框架，搭建有状态复杂Agent流程，实现分支判断、循环推理、失败重试、人工介入、断点续跑等生产级能力，替代传统固定脚本流程
3. 业务工具生态建设
梳理、封装、统一各类业务工具接口（查询、审批、数据计算、外部系统API），构建可被智能体自动调用的标准化工具集，支撑自动化业务决策、数据处理、流程执行
4. 企业RAG知识库与业务记忆系统搭建
构建结构化业务知识库、向量检索体系、智能体短期/长期记忆体系，保障智能体回答精准、业务上下文连贯、数据可溯源
5. 智能体应用落地与迭代优化
负责智能体在办公、运营、客服、数据分析、业务自动化等场景的上线落地，持续优化 Prompt、工作流、检索精度、推理稳定性、响应速度
6. Agent工程化与LLMOps建设
参与智能体版本管理、日志追踪、链
优先资格
优先加分项
有多智能体协作系统、角色分工Agent开发经验
- 有企业内部自动化Agent、数字员工、业务C
AI 洞察
优缺点分析
优点
- 大公司平台，业务场景丰富，智能体应用落地机会多
- 技术栈前沿，涉及大模型、Agent、RAG等热点，技能成长快
- 有机会接触企业级系统，积累架构设计经验
- 业务需求多变，需要快速适应和持续优化
- 适合有AI开发经验、对Agent技术有热情、能独立解决问题并愿意深入业务的工程师
缺点 / 挑战
- 薪资水平较高，福利稳定
- 企业级应用对生产稳定性要求高，调试复杂Agent工作流有挑战
- 可能要处理跨部门协作，沟通成本较高
角色解读
- 从智能体开发工程师成长为AI应用架构师，负责复杂业务系统设计
- 向大模型方向深入，成为LLM专家，或转向AI产品管理等方向
- 在企业内部可晋升为技术专家或团队负责人，主导企业级AI平台建设
- 设计和开发企业级AI智能体，包括多智能体协作系统架构
- 基于LangChain、LangGraph、Dify搭建有状态复杂Agent工作流，实现生产级能力
- 封装业务工具接口，构建标准化工具集供智能体调用
- 搭建RAG知识库和智能体记忆系统，落地智能体应用并持续优化
- 熟练使用LangChain、LangGraph进行Agent开发，掌握ReAct、状态机等机制
- 熟练Python编程，熟悉向量数据库和RAG优化
- 具备业务抽象能力，能将流程拆解为Agent工作流
- 懂工程化，了解API封装、异步任务、LLMOps
申请策略
- 准备一个智能体案例的详细介绍，包括架构设计、技术选型、实现难点
- 了解平安的业务方向，思考智能体在其业务中的潜在应用场景
- 突出智能体项目经验，特别是从0到1落地的案例
- 展示LangChain/LangGraph/Dify的实际使用经验，具体到功能和效果
- 强调业务抽象能力，描述如何将流程拆解为Agent节点
- 列出RAG优化、Prompt工程、LLMOps等相关技能
- 如果还不熟悉LangGraph，先学习其状态图机制
- 补充大模型微调知识，了解如何优化业务场景
面试指南
- 先澄清需求，再拆解问题，最后结合具体项目案例回答
- 采用STAR法则描述项目经历
- 强调技术深度与业务价值结合
- 你如何设计一个有状态的多智能体协作系统？
- LangChain和LangGraph的区别是什么？在什么场景下选择哪个？
- 请描述你优化RAG检索精度的具体方法
- 如何处理Agent在调用工具时的失败和重试？
- 你如何评估智能体的性能并持续改进？
职位点评
72
综合评分
大厂AI智能体岗位，技术前沿，薪资优厚，工作节奏和灵活性一般。
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薪资回报的开发者，对工作节奏和灵活性要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展85
工作生活50
使命价值60
薪资福利
80较高
薪资25000以上且在上市大公司，稳定性好，福利有保障，补偿性动机得到较好满足。
薪资信号偏高 (25K-35K/月)
成长发展
85较高
技术栈前沿，涉及大模型、Agent、RAG等，成长空间大，且能独立负责项目，发展性动机强。
技术前沿前沿/新兴技术
技术栈LangChain、LangGraph、Dify、RAG、Agent、LLM、向量数据库、Prompt工程
业务类型ambiguous
工作生活
50较低
仅现场办公，无远程或弹性工作说明，整体工作灵活性一般，生活方式满足度中等偏低。
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
行业为金融科技，相对稳定，但技术应用本身具有一定创新性，社会意义中等。
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
中国平安 的其他在招职位
相似职位推荐
Watch Jobs