博世
AI Harness工程师_XC
AI Harness工程师_XC
发布于 2 天前普通员工/个人贡献者
苏州市
中级经验
全职员工
仅现场办公
本科
软件工程
Agent框架
Api集成
Llm
Prompt Engineering
Rag
向量数据库
容器化
Ai应用开发
AI 估算 · 20k–40k
AI工程师需求旺盛，博世平台大，苏州薪资水平中等偏上，综合市场行情估算。
职位详情
关于这个职位
该职位主要负责企业级AI Agent的落地与底层能力建设，包括场景挖掘、方案设计、技术实现、效果评估等
你将深入业务一线，识别高价值场景并推动Agent从PoC到生产上线，同时参与构建Agent技术底座如RAG、工具调用、编排框架等
适合对LLM、Agent、RAG有深入理解，具备后端开发能力的工程师
最低要求
本科及以上学历，计算机、软件工程、人工智能、数据科学、自动化等相关专业优先
熟悉大模型应用开发流程，理解 LLM、Prompt Engineering、Function Calling / Tool Calling、RAG、Embedding、向量数据库等基础能力
熟悉至少一种 AI Agent 或大模型应用开发框架 / 平台，如：LangChain、LlamaIndex、LangGraph、Dify、Coze、FastGPT、AutoGen、CrewAI、Semantic Kernel
具备扎实的后端开发能力，熟悉 Python / Java / Go / Node.js 中至少一种语言，能够独立完成 API 服务、业务逻辑、数据处理和系统集成开发
熟悉常见数据库和中间件，如 MySQL、PostgreSQL、Redis、Elasticsearch、Milvus、pgvector、Kafka、消息队列等
熟悉企业系统集成方式，包括 REST API、Webhook、OAuth、SSO、数据库连接、文件解析、权限体系等
了解模型部署、推理服务、容器化、CI/CD、日志监控等工程化能力，有实际生产环境上线经验优先
具备 Agent 评测、RAG 效果优化、Prompt 优化、模型调用成本优化经验者优先
工作职责
一、AI Agent 企业场景挖掘与落地
深入业务部门或客户现场，理解企业在运营、研发、运维，测试等场景中的业务流程、数据基础和实际痛点
识别适合 AI Agent 落地的高价值业务场景，评估业务收益、技术可行性、数据可用性、实施复杂度和优先级
设计面向企业真实流程的 AI Agent 解决方案，包括但不限于：企业知识助手、智能客服 Agent、数据分析 Agent、研发提效 Agent、办公自动化 Agent、审批流 / 工单流 Agent、多 Agent 协同业务助手
负责 AI Agent 从 PoC、MVP 到生产上线的全过程推进，确保方案能够在真实业务环境中稳定运行
与业务、产研、运维、安全等团队协作，推动 Agent 应用接入企业现有系统，如IM、工单系统、知识库、数据平台，业务系统等
建立 AI Agent 落地效果评估机制，围绕准确率、任务完成率、响应时延、使用率、人效节省、成本收益、业务转化等指标持续优化
总结企业落地过程中的典型模式、问题清单、实施方法论和可复用案例，形成标准化交付资产
二、AI Agent 底层能力建设
参与建设企业级 AI Agent 技术底座，包括：Agent 编排框架、Prompt 管理、上下文管理、记忆机制、工具调用、插件体系、任务规划、多轮对话、多 Agent 协同
搭建和优化 RAG 能力，包括：文档解析、文档切片、向量化、召回策略、重排序、知识更新、权限隔离、答案溯源、幻觉控制
设计并实现 Agent 与企业工具系统的连接能力，包括：API 调用、数据库查询、工作流触发、报表生成、消息通知、文件处理、自动化执行
建设企业级 Agent 工作流编排能力，支持复杂业务流程中的条件判断、人工确认、异常兜底、多角色协作和长任务执行
负责大模型及 Agent 应用的评测体系建设，包括：Prompt 评测、RAG 评测、任务执行评测、自动化回归测试、失败案例分析、用户反馈闭环
建设 Agent 可观测与运营能力，包括：日志追踪、调用链分析、成本统计、模型效果监控、异常告警、运行质量分析
参与企业级 AI 安全与治理能力建设，包括数据权限、敏感信息保护、内容安全、操作审计、模型调用合规和安全边界设计
持续跟踪大模型、AI Agent、RAG、多模态、代码生成、自动化执行等方向的新技术，并推动在企业场景中的工程化验证和落地
三、解决方案与交付支持
面向客户或内部业务团队，输出 AI Agent 解决方案文档、技术架构图、PoC 方案、实施计划和上线验收标准
参与交付或内部数字化项目，为复杂业务场景提供技术方案评估与落地路径设计
对接客户或业务方技术团队，完成系统集成、接口联调、数据接入、权限配置、上线部署和问题排查
针对 Agent 落地过程中的效果不稳定、知识不准确、流程不可控、系统集成复杂等问题，提供工程化解决方案
沉淀通用组件、模板、Agent 配置规范、Prompt 模板、知识库建设规范、测试规范和部署手册，提升后续项目交付效率
为业务用户、实施团队或客户提供培训，帮助其理解、使用和运营 AI Agent 能力
AI 洞察
优缺点分析
优点
- 博世作为工业巨头，AI Agent在企业场景落地空间大，能接触真实复杂业务
- 技术栈前沿（LLM、RAG、Agent），有助于保持技术竞争力
- 项目全生命周期参与，从调研到交付，技能锻炼全面
- 需同时具备业务理解能力和技术深度，对综合能力要求高
- Agent落地效果不稳定，可能需要大量工程调优，工作强度可能较大
- 适合对AI Agent技术有热情，喜欢解决实际业务问题，具备后端开发功底且愿意深入业务场景的技术人员
缺点 / 挑战
- 跨部门协作频繁，沟通成本较高
角色解读
- 可向AI架构师或技术专家方向发展，深入Agent框架与底层模型优化
- 也可转向AI产品经理或解决方案架构师，侧重业务场景设计与落地
- 在博世这样的跨国企业，有机会参与全球项目，积累多行业AI落地经验
- 深入业务一线，识别适合AI Agent落地的场景，设计并推动从概念验证到生产上线的完整解决方案
- 参与企业级AI Agent技术底座建设，包括RAG、工具调用、编排框架等核心组件
- 与多团队协作，将Agent接入企业现有系统，并建立效果评估与持续优化机制
- 扎实的大模型应用开发知识，精通Prompt Engineering、RAG、Agent框架如LangChain
- 熟练Python或Java，能独立完成后端服务、API集成和系统对接
- 了解向量数据库、消息队列、容器化等工程化技术，有生产环境经验更佳
申请策略
- 博世注重工程化和落地，简历中应量化项目成果，如准确率提升、成本节省等
- 提前了解博世的业务领域（如汽车、工业），思考AI Agent可能的结合点
- 突出大模型应用项目经验，特别是Agent或RAG相关的完整落地案例
- 强调后端开发能力，列出使用的语言、框架和系统集成经验
- 如有企业级系统对接、性能优化或评测经验，务必详细描述
- 深入了解LangChain、Dify等主流Agent框架，动手搭建一个端到端Agent应用
- 补充RAG效果优化、Prompt调优、模型微调等进阶技能
- 学习容器化（Docker/K8s）和CI/CD，提升工程化交付能力
面试指南
- 使用STAR法则描述项目背景、任务、行动和结果，突出技术决策和量化成果
- 对于优化类问题，先明确评价指标，再按数据准备、检索策略、模型调优等步骤展开
- 对于架构类问题，从需求出发，分层阐述，并强调可扩展性和安全性
- 请描述一个你从零搭建AI Agent项目的经历，包括技术选型和遇到的挑战
- 如何优化RAG系统的准确性？你会从哪些维度评估？
- 当Agent在生产环境中出现效果不稳定时，你会如何排查和解决？
- 你理解的企业级AI Agent技术底座包括哪些核心能力？
- 如何平衡Agent的自动化程度与人工审批需求？
职位点评
66
综合评分
AI Agent前沿技术岗，发展空间大，薪资面议，工作模式较传统。
更适合这类人
最适合追求技术成长和前沿实践、对AI Agent充满热情、不介意现场办公的求职者。
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85
工作生活50
使命价值60
薪资福利
70中等
博世作为跨国巨头，薪资福利有竞争力，但JD未具体提及，需面议。苏州生活成本相对一线城市较低，综合来看补偿性动机能满足中等偏上水平。
薪资信号未披露（AI估算：20K-40K/月）
成长发展
85较高
职位涉及前沿AI技术（LLM、Agent、RAG），且要求持续跟踪新技术，发展空间大。JD明确提到参与技术底座建设、评测体系等，成长路径清晰。
技术前沿前沿/新兴技术
技术栈LLM、Prompt Engineering、RAG、Agent、LangChain、向量数据库、容器化
业务类型ambiguous
工作生活
50较低
JD未提及远程或弹性工作，可能需现场办公。博世是传统制造业巨头，工作模式可能偏固定，生活节奏较规律但灵活性一般。
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
AI Agent在企业数字化中有实际价值，但JD未强调社会使命感，更多是技术驱动。博世业务稳定，行业成熟，意义感中等。
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
Watch Jobs