博世
智能体AI工程师_BCI
智能体AI工程师_BCI
发布于 5 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
.Net
Agentic Ai
后端开发
机器学习
知识图谱
系统集成
值不值得投
72综合评分
综合评分 72
技术前沿AI岗位，跨国公司平台，成长性好，WLB未明确。
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
3万
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 1110 个在招 · 其中人工智能 9 个
市场机会
选择适中
苏州 · 人工智能 · 22 个在招
职位详情
关于这个职位
该职位负责构建生产级智能体AI系统，设计并实现用于决策支持、自动化和持续改进的AI代理架构
工作包括开发单代理和多代理工作流、集成知识图谱进行混合AI推理，并贡献于内部AI平台开发
同时需确保系统的可靠性、可解释性和工程卓越性，支持从PoC到多站点部署的全生命周期
最低要求
核心技能：
具备扎实的后端软件开发经验（如C#, .NET, Java, Python）
拥有强大的软件工程基础：模块化设计、API、测试、可维护性
有交付生产系统的经验，而非仅限于PoC或演示
有将AI/LLM功能集成到应用程序中的经验，确保可控和可靠
AI与智能体工程：
理解AI系统工程（超越模型使用），包括上下文管理、版本控制、故障处理、可观测性
有AI代理、工作流或自动化系统的经验或强烈兴趣
能够结合确定性逻辑和AI推理构建可解释的解决方案
熟悉知识驱动方法（如知识图谱、语义建模、RAG）者优先
系统集成技能：
有与企业系统和API集成的经验（如MES、WMS、ERP、数据平台）
理解可扩展的、面向服务或事件驱动的架构者优先
专业素质：
具有强烈的责任心和质量意识，对端到端结果负责
好奇心强、适应力强，有动力与Agentic AI和智能系统共同成长
能够在跨职能和国际团队中有效工作
沟通清晰，协作建设性强
工作职责
构建生产级智能体AI系统：
设计并实现用于决策支持、自动化和持续改进用例的AI代理架构
开发单代理和多代理工作流，包括任务分解、工具使用和代理协调
确保代理行为在生产环境中可控、可观测和可解释
知识驱动AI与推理：
集成知识图谱以编码领域概念、关系、约束和最佳实践
实现基于知识的推理以补充基于LLM的推理（混合AI）
与领域专家合作，将隐性业务知识转化为结构化、可重用的模型
AI平台与系统工程：
为内部平台（如Agent Builder、Agent Hub和AI工作流系统）做出贡献
为代理、工具、工作流和API设计模块化、可重用的组件
确保解决方案符合企业可靠性、安全性、可扩展性和可维护性标准
工程卓越与生命周期所有权：
端到端负责功能特性：设计、实现、测试、部署和运维
应用软件工程最佳实践：版本控制、测试、日志记录、追踪和性能监控
支持从PoC → 试点 → 多站点部署的长期演进
协作与赋能：
与产品经理、领域专家及其他地区的工程师紧密协作
通过分享AI工程、代理设计和知识建模的最佳实践支持内部赋能
指导初级工程师，帮助塑造团队级工程标准
优先资格
熟悉知识驱动方法（如知识图谱、语义建模、RAG）者优先
AI 洞察
优缺点分析
优点
- 技术前沿：直接参与Agentic AI和知识图谱等新兴技术的应用与开发
- 平台优势：在跨国企业中接触标准化工程实践和全球协作机会
- 全栈责任：端到端负责功能，有利于综合技能积累和工程视野拓宽
- 成长空间：有机会指导初级工程师，参与从PoC到量产的完整流程
- 持续学习：AI领域快速演进，需保持对新技术和方法的跟进
- 适合拥有扎实后端开发经验、对AI智能体系统有强烈兴趣、并追求在工程化AI应用中深耕的求职者
缺点 / 挑战
- 技术深度：需要同时掌握AI系统工程和传统后端开发，技术栈要求较高
- 复杂集成：涉及企业系统集成，可能面临架构兼容性和可靠性挑战
角色解读
- 可向高级AI工程师或技术专家方向发展，深耕智能体AI领域
- 有机会担任技术领导角色，指导团队和塑造工程标准
- 可探索AI平台架构或向更广泛的AI解决方案架构师方向拓展
- 设计和开发生产级的AI代理系统，用于自动化决策支持
- 集成知识图谱以增强AI推理能力，构建混合AI解决方案
- 贡献于内部AI平台建设，确保系统的模块化和可扩展性
- 负责从设计到部署的全生命周期，应用工程最佳实践
- 扎实的后端开发能力，熟练掌握C#、.NET、Java或Python
- 深入理解AI系统工程，包括代理设计、可观测性和故障处理
- 具备知识图谱或语义建模等知识驱动方法的实践经验
- 优秀的跨团队协作和沟通能力，能在国际化环境中工作
申请策略
- 研究博世在工业AI、智能制造等领域的业务方向，将自身经验与公司需求关联
- 准备具体的项目案例，说明如何解决AI系统工程中的实际问题（如可靠性、可解释性）
- 突出后端开发项目经验，强调使用C#、.NET、Java或Python交付生产系统的案例
- 详细描述AI/LLM集成经验，特别是涉及代理设计、知识图谱或自动化工作流的项目
- 展示跨团队协作和指导经验，体现沟通与赋能能力
- 提及对企业级系统（如ERP、MES）集成的了解或实践
- 深化AI代理系统架构知识，学习最新的Agent框架和设计模式
- 补充企业系统集成技能，了解常见企业平台（如SAP、Siemens）的API和架构
面试指南
- 使用STAR方法（情境、任务、行动、结果）结构化回答，突出技术决策和工程实践
- 强调系统思维，说明如何平衡AI创新与生产稳定性、可维护性
- 结合具体工具或框架（如Docker、Kubernetes、LangChain）举例，体现实战能力
- 请描述一个你构建或参与的生产级AI系统，重点说明架构设计和挑战
- 如何确保AI代理行为的可控性和可解释性？
- 在集成知识图谱与LLM时，你会考虑哪些关键因素？
- 你如何与产品经理和领域专家协作，将业务需求转化为技术方案？
- 请分享一个你指导初级工程师或塑造团队工程标准的经验
职位点评
薪资福利75
成长发展85
工作生活50
使命价值70
薪资福利
75中等
该职位在跨国公司中，可能提供具有竞争力的薪酬和稳定福利，但具体细节未披露。
薪资信号未披露（AI估算：2千–4万/月）
成长发展
85较高
职位涉及前沿的Agentic AI和知识图谱技术，提供工程实践和跨团队协作机会，有利于技能成长。
技术前沿前沿/新兴技术
技术栈Agentic AI、Knowledge Graphs、Python、C#、.NET、Java、LLM、RAG
成长机会Mentor junior engineers、grow with Agentic AI and intelligent systems
业务类型ambiguous
工作生活
50较低
JD未提及办公模式、工作时间或WLB相关信息，工作地点为苏州现场，生活化动机满足程度有限。
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
70中等
职位在工业技术领域应用AI，具有中等社会价值，但行业整体稳定成熟，创新性取决于具体项目。
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