德勤
Delivery Consulant/Senior Consultant-AI-GDC-CQ(107072)技术与转型
Delivery Consulant/Senior Consultant-AI-GDC-CQ(107072)技术与转型
发布于 4 小时前基层主管/组长
全职员工仅现场办公人工智能
人工智能
Langgraph
Llm
Prompt Engineering
Rag
团队管理
系统架构设计
值不值得投
78综合评分
综合评分 78
德勤AI技术岗，核心是前沿技术落地+小团队管理，技术成长性强，工作生活平衡需具体确认。
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
比人工智能中位数低
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 540 个在招 · 其中人工智能 2 个
市场机会
选择适中
重庆 · 人工智能 · 11 个在招
职位详情
关于这个职位
这是一个在德勤技术与转型部门担任AI交付顾问/高级顾问的岗位，主要负责从0到1构建和落地基于LLM的AI应用系统，如Agent、RAG、工作流等
你需要主导架构设计与技术选型，带领3-5人小组完成项目交付，并逐步承担团队管理职责
最低要求
本科及以上学历，计算机相关专业，3 年以上后端 / AI 应用开发经验
精通 Python，熟悉 FastAPI / Flask 等主流框架，有全栈开发能力者优先
必须具备基于 AI 的实际开发经验：至少独立完成过一个 LLM 应用项目（Agent、RAG、Function Calling、MCP、工作流编排等），能说清楚从需求到上线的完整链路
熟悉主流开源 Agent 框架（LangGraph、CrewAI、Dify、OpenManus 等）至少一种，能评估选型并二次开发
具备 AI流程化思维：能从业务场景出发，梳理出完整的 AI工程化思维和流程（输入 → 理解 → 规划 → 执行 → 反馈）
有清晰的架构思维，能独立完成系统设计并输出技术文档
优秀的沟通协调能力，能与非技术人员顺畅对话，具备带小团队的意愿和潜力
工作职责
负责 AI 应用的整体架构设计与技术选型，主导从 0 到 1 的 Agent / RAG / 工作流系统落地
深入参与核心模块开发，包括但不限于 LLM 调用链路、工具编排、记忆系统、Prompt 工程
具备完整的 AI 开发流程思维：需求分析 → 方案设计 → 模型选型 → Prompt 调优 → 评估测试 → 上线监控 → 持续迭代
与产品、业务团队紧密沟通，将业务需求拆解为可落地的技术方案
制定代码规范与工程标准，主导 Code Review，保障交付质量
带领 3～5 人小组完成项目交付，逐步承担团队管理与技术决策职责
优先资格
有企业级 AI 平台开发或落地经验优先
有 Dev Lead / Tech Lead 经验或明确成长意愿
有开源项目贡献经历优先
熟悉 Docker / K8s 部署，有 MLOps / LLMOps 实践经验优先
有模型评估与调优经验优先
AI 洞察
优缺点分析
优点
- 工作内容处于AI技术应用的最前沿，能深度参与Agent、RAG等热门技术的落地实践
- 岗位兼具技术深度与管理广度，既能锻炼架构设计能力，又能培养团队领导力
- 德勤作为全球性专业服务机构，拥有广阔的客户网络和稳定的项目来源
- 需要同时处理技术攻坚、项目管理、团队协调和客户需求等多重任务，对综合能力要求极高
- 需要持续学习并跟进快速迭代的AI技术生态，以保持技术选型和架构设计的先进性
- 适合既热爱钻研AI技术，又渴望带领团队解决复杂业务问题，追求从技术执行者向技术领导者转型的3-5年经验开发者
缺点 / 挑战
- 作为咨询交付角色，项目节奏可能较快，需要适应不同的业务场景和技术挑战
角色解读
- 技术专家路线：持续深耕AI工程化领域，成为公司内部AI平台或核心项目的首席技术负责人
- 技术管理路线：从带领小组到管理更大的技术团队或部门，承担更全面的技术决策和业务落地责任
- 主导设计并落地基于大语言模型（LLM）的AI应用系统，如智能体（Agent）、检索增强生成（RAG）和自动化工作流
- 从需求分析到上线监控，全链路负责AI项目的工程化实现与迭代优化
- 负责代码质量把控，制定技术规范，并带领3-5人的技术小组高效交付项目
- 精通Python语言及至少一种主流Web框架（如FastAPI/Flask），具备扎实的后端开发基础
- 拥有独立的LLM应用项目实战经验，熟悉Agent、RAG等技术范式，并了解至少一种主流开源Agent框架
- 具备出色的系统架构设计能力、业务理解力和跨团队沟通协调能力
申请策略
- 在面试中，主动展现你将业务需求转化为技术方案的能力，以及你对“AI工程化”全流程的理解
- 准备好表达你对于技术选型的思考（例如为什么选RAG而不是微调），以及你对团队协作和Code Review的价值观
- 详细描述1-2个你主导或深度参与的LLM应用项目，清晰说明技术栈、挑战、解决方案和最终效果
- 突出使用过的AI框架（如LangChain, LangGraph）和工程化实践，如Prompt优化、评估测试流程
- 如有带领小组、指导新人或主导Code Review的经历，请着重描述，以体现管理潜力和工程素养
- 系统性梳理并复盘过往的AI项目经历，准备一套清晰的、涵盖“需求-设计-开发-上线”全流程的讲述逻辑
- 了解并尝试使用1-2种主流开源Agent框架（如Dify, CrewAI），能评估其优缺点和适用场景
面试指南
- 使用STAR法则（情境-任务-行动-结果）来结构化地回答项目经验问题，突出你的个人贡献和思考
- 回答设计类问题时，先明确业务目标和约束条件，再从分层架构（感知、决策、执行）、可扩展性、可维护性等角度展开
- 谈论团队管理时，强调流程（如Code Review、设计评审）、工具和沟通的重要性，而非单纯指派任务
- 请介绍一个你做过的LLM应用项目，你在其中负责什么？遇到了哪些技术难点，如何解决的？
- 如果让你为一个新业务场景设计一个Agent系统，你会如何进行技术选型和架构设计？
- 在带领小团队时，你如何确保代码质量和项目交付效率？
- 你如何评估一个开源AI框架是否适合当前的项目需求？
- 你如何看待AI应用开发中的“Prompt工程”和“评估测试”环节？
职位点评
薪资福利75
成长发展90
工作生活60
使命价值85
薪资福利
75中等
作为德勤的正式岗位，应能提供具有市场竞争力的薪酬和完善的福利保障体系，但具体水平需结合个人谈判情况。
薪资信号面议 (2千–4万/月)
成长发展
90较高
该职位直接聚焦于当前最热门的AI应用开发（LLM/Agent），并明确包含团队管理职责，为技术深度和职业广度的成长提供了极佳的平台。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RAG、Python、LangGraph、FastAPI、Prompt Engineering、MCP、工作流编排
成长机会逐步承担团队管理与技术决策职责、有 Dev Lead / Tech Lead 经验或明确成长意愿
业务类型ambiguous
工作生活
60中等
工作地点在重庆，生活成本低于一线城市，但JD未提及任何工作模式（远程/混合）或WLB相关信号，工作节奏需面试时确认。
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
85较高
岗位涉及利用前沿AI技术解决企业实际业务问题，属于数字化转型的核心环节，具有较强的技术价值和业务影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号技术与转型、将业务需求拆解为可落地的技术方案
创新程度积极采用新技术
德勤 的其他在招职位
相似职位推荐
Watch Jobs