博世
AI Engineer_BD
AI Engineer_BD
发布于 4 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
Azure Openai
Llamaindex
Llm
Prompt Engineering
Pytorch
Rag
Sap
值不值得投
77综合评分
综合评分 77
跨国巨头内部AI赋能岗，前沿大模型技术栈结合深厚制造业场景，技术成长空间大，薪资稳定。
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
3.3万
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 1140 个在招 · 其中人工智能 7 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
该职位主要负责博世中国内部企业级GenAI应用（如LLM RAG平台、AI Agent工作流）的设计、开发与运维，将AI能力与SAP、MES等企业系统打通，实现业务流程的数字化与自动化闭环
你需要具备大模型应用开发及企业系统集成的实战经验，推动AI技术在制造、精益等场景的落地
最低要求
计算机、人工智能、软件工程、信息系统、应用数学等相关专业本科及以上学历
年以上AI/大模型相关开发经验，有企业级AI项目端到端落地经验者优先
具备将AI能力对接企业系统（ERP/MES/BI/CRM）的实战经验
精通Python，熟悉常用数据处理与深度学习库
熟悉LLM原理与Agentic AI技术栈，具备LangChain、LlamaIndex、RAG、Prompt Engineering、Agent编排的实际项目经验
熟悉主流深度学习/NLP框架（PyTorch、TensorFlow、Transformer），了解模型微调与部署
具备云平台（Azure / AWS / 阿里云）与AI生态（OpenAI、Azure OpenAI）项目经验
熟悉SQL与主流数据库，具备基础的数据工程能力（ETL、数据管道）
了解M365生态（Power BI、Power Automate、Power Apps、SharePoint）者优先
工作职责
一、企业级GenAI应用开发
负责博世中国内部AI应用平台（LLM RAG平台、AI Agent工作流）的设计、开发与运维，覆盖智能问答助手、智能检索、自动报表、数据洞察提取等场景
基于LLM构建业务Skill与Agent编排能力，实现工程文档处理、跨系统流程自动化、精益制造知识库、可持续发展数据填报等具体业务价值
完成模型的选型、微调、Prompt Engineering与性能评估，保障输出质量、成本与合规可控
二、业务流程数字化与系统集成
与业务方（事业部、工厂、职能团队）对接需求，将业务痛点转化为AI/数字化解决方案，并负责全生命周期交付
打通AI能力与SAP、MES、Power BI、SharePoint / M365等企业系统的数据链路，实现端到端的自动化闭环
推动低代码平台（Power Platform）与AI工具在业务部门的落地赋能，提升整体数字化能力
三、平台治理与团队协作
建立AI应用的监控、评估与迭代机制，保障模型在生产环境的稳定性与可解释性
与数据工程、IT基础设施、信息安全团队协作，确保AI方案符合博世集团数据安全与合规标准
跟踪Agentic AI、多模态、RAG优化等前沿技术，组织内部分享并推动最佳实践沉淀
优先资格
有企业级AI项目端到端落地经验者优先
了解M365生态（Power BI、Power Automate、Power Apps、SharePoint）者优先
AI 洞察
优缺点分析
优点
- 依托博世庞大的制造业场景与丰富的企业系统，能积累极具壁垒的“AI+工业/企业数字化”落地经验
- 接触Agentic AI、RAG等前沿大模型技术，技术栈现代且符合未来AI应用发展趋势
- 跨国企业平台，合规与数据安全体系完善，有利于培养严谨的工程化与平台治理思维
- 需要深入理解复杂的制造业业务流程与底层系统（如SAP、MES），业务学习曲线较陡峭
- 适合具备扎实大模型开发基础，且对ToB/企业内部数字化转型、工业制造场景有浓厚兴趣的AI工程师
缺点 / 挑战
- 企业级AI应用对稳定性、可解释性与数据安全要求极高，模型调优与合规落地面临较大挑战
角色解读
- 纵向可发展为AI技术专家或首席架构师，主导集团级AI平台的技术演进
- 横向可向AI产品经理或数字化业务负责人转型，深入理解制造业业务并推动商业价值落地
- 负责博世内部企业级GenAI应用（如LLM RAG平台、AI Agent工作流）的设计、开发与运维
- 将AI能力与SAP、MES等企业核心系统打通，实现业务流程的自动化与数字化闭环
- 跟踪Agentic AI等前沿技术，建立模型监控与评估机制，确保生产环境的稳定性与合规性
- 精通Python及主流深度学习/NLP框架，具备LLM原理、RAG、Agent编排及Prompt Engineering的实战经验
- 熟悉企业级系统（ERP/MES/BI）集成，具备云平台（Azure/AWS）及数据工程（ETL、SQL）能力
- 具备将业务痛点转化为AI解决方案的全生命周期交付能力与跨部门沟通协作能力
申请策略
- 在求职信或面试中，展现对制造业数字化转型的理解，强调AI技术如何切实解决工厂或职能团队的痛点
- 重点突出LLM/RAG/Agent编排的端到端落地项目，特别是涉及企业系统集成（如对接ERP/CRM）的案例
- 展示在模型微调、Prompt Engineering及性能评估方面的具体优化成果（如成本降低、准确率提升）
- 强调跨部门协作与业务需求转化能力，体现从“技术实现”到“业务价值”的闭环思维
- 提前了解SAP、MES等工业核心系统的基础概念与数据流转逻辑，弥补业务领域知识
- 熟悉Azure OpenAI生态及Power Platform低代码工具，以契合博世的技术栈与赋能需求
面试指南
- STAR法则：针对项目经验，清晰阐述背景、任务、行动（技术选型与架构设计）和结果（业务价值与指标提升）
- 架构思维：在回答系统集成与平台治理问题时，从数据流、安全合规、监控运维等多维度展现系统性思考
- 请分享一个你主导的基于LLM/RAG的企业级应用项目，遇到了哪些工程化挑战及如何解决？
- 如何将AI Agent与SAP或MES等现有企业系统打通？在数据链路和权限控制上如何设计？
- 在生产环境中，如何评估和保障大模型输出的稳定性、准确性与合规性？
- 面对业务方模糊的需求，你如何将其转化为具体的AI/数字化解决方案？
- 复习LangChain/LlamaIndex的核心机制，准备RAG优化（如Chunking策略、重排序）与Agent编排的实战细节
- 了解博世近期的数字化转型战略及AI在制造业的应用案例，准备1-2个结合业务场景的AI落地构想
职位点评
薪资福利75
成长发展85
工作生活70
使命价值75
薪资福利
75中等
博世作为跨国企业，薪资福利体系成熟稳定，苏州地区AI岗位薪资具备竞争力，但整体薪酬爆发力不及互联网初创。
薪资信号未披露（AI估算：2.5千–4万/月）
成长发展
85较高
岗位涉及Agentic AI、RAG等前沿技术，且能深入制造业核心业务系统，技术深度与业务广度兼具，成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、RAG、AI Agent、LangChain、LlamaIndex、Prompt Engineering、PyTorch、Azure OpenAI
成长机会组织内部分享并推动最佳实践沉淀、跟踪Agentic AI、多模态、RAG优化等前沿技术
业务类型cost_center
工作生活
70中等
JD未明确提及工作模式与加班情况，但跨国企业通常注重合规与员工关怀，WLB相对有保障，具体需面试确认。
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
75中等
推动制造业数字化转型与可持续发展数据填报，具有积极的社会与行业价值，但属于企业内部赋能，直接社会影响力中等。
行业发展高速增长赛道
社会影响中性/一般
使命信号可持续发展数据填报、改善全球生活质量
创新程度积极采用新技术
博世 的其他在招职位
相似职位推荐
Watch Jobs