Hikvision logo
海康威视
研究院-大模型应用算法工程师-杭州

研究院-大模型应用算法工程师-杭州

发布于 大约 7 小时前

普通员工/个人贡献者

杭州市
中级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
Claude Code
Go
Gpt
Llm
Qwen
大语言模型

AI 估算 · 40k–50k

海康威视上市大厂,杭州算法岗,大模型方向人才稀缺,薪资有竞争力,中位数约45k/月。

职位详情

关于这个职位

该职位负责基于大语言模型(LLM)的智能体(Agent)应用架构设计与核心功能开发,涉及系统性能优化、自动化评测体系建设以及前沿技术探索

适合具备LLM和Agent开发经验、追求技术创新的算法工程师

最低要求

硕士及以上学历,拥有顶会论文(如ACL/ICML/NeurIPS等)发表者优先

年以上AI算法或AI工程落地经验,具备生产环境下AI应用的全链路调优经验
精通 Python、Go、Java 中至少一门语言,具备扎实的系统设计与问题排查能力
深入了解Agent开发框架和Agent harness框架,有完整智能体系统搭建经验者优先
深入理解Transformer架构,熟悉 Qwen、DeepSeek、GPT等主流大模型的原理与使用
熟悉Agent工程化工具链(如 Claude Code 等AI辅助工具),并能将其有效应用于研发流程提效
具备优秀的技术抽象与问题拆解能力,能够将复杂的业务需求转化为清晰的工程方案

工作职责

核心应用开发:负责基于大语言模型(LLM)的智能体(Agent)应用架构设计与核心功能开发,结合业务场景落地高可用的智能解决方案

系统性能优化:深度参与Agent效果调优,从准确率、响应延迟、系统稳定性及推理成本等维度持续迭代,提升业务指标
评测体系建设:搭建Agent自动化评测与可观测性平台,通过数据分析和Badcase归因,建立驱动效果迭代的闭环机制
前沿技术探索:跟踪Agent国际前沿技术动态,推动创新技术在业务场景中的落地应用

优先资格

拥有顶会论文(如ACL/ICML/NeurIPS等)发表者优先

有完整智能体系统搭建经验者优先

AI 洞察

优缺点分析

优点

  • 海康威视作为上市大厂,提供稳定的平台和丰富的资源支持
  • 大模型与Agent赛道前沿,技术积累快,个人成长空间大
  • 研究院环境鼓励创新,有机会接触并落地最先进的技术
  • 大模型领域竞争激烈,需持续跟踪前沿动态,保持技术先进性
  • 适合具有扎实算法基础、热爱大模型技术、愿意深入工程落地并追求技术创新的求职者

缺点 / 挑战

  • 需要同时具备算法和工程能力,技术栈要求全面,学习压力较大
  • 项目落地过程中可能面临工期和性能优化的挑战

角色解读

  • 成为大模型与Agent领域的技术专家,主导核心算法方向
  • 向人工智能架构师方向发展,负责整体技术方案设计
  • 积累管理经验后晋升为技术负责人,带领算法团队
  • 基于大语言模型设计并开发智能体(Agent)应用架构,实现业务场景下的智能解决方案
  • 优化Agent效果,从准确率、响应延迟、稳定性等维度持续迭代,提升业务指标
  • 搭建自动化评测与可观测性平台,通过数据分析和Badcase归因驱动闭环优化
  • 跟踪Agent国际前沿技术动态,推动创新技术在业务中落地
  • 精通Python/Go/Java,具备扎实的系统设计与问题排查能力
  • 深入理解Transformer架构及Qwen/DeepSeek/GPT等主流大模型的原理与使用
  • 熟悉Agent开发框架与工程化工具链(如Claude Code),能够搭建完整智能体系统
  • 具备优秀的技术抽象与问题拆解能力,能将复杂业务需求转化为工程方案

申请策略

  • 了解海康研究院的技术方向,尤其是Agent在安防、物联网领域的应用场景
  • 准备好1-2个完整的Agent系统设计案例,展示从需求到落地的全流程
  • 突出LLM/Agent相关的项目经验,说明你的具体贡献和效果量化
  • 强调系统性能优化和自动化评测体系的搭建经验,展示工程能力
  • 如果有顶会论文或开源项目贡献,务必提及,体现技术深度
  • 用数据说话,例如提升准确率百分比、降低延迟倍数等
  • 深入学习Agent开发框架(如LangChain、AutoGPT)及Agent harness框架
  • 掌握大模型微调、推理优化和部署技术(如vLLM、TensorRT)

面试指南

  • 使用STAR法则:背景→任务→行动→结果,突出量化指标
  • 技术问题:先说明原理,再结合项目经验谈具体实现和优化
  • 开放性问题:展现知识广度,提出自己观点,并联系岗位场景
  • 请描述你设计过的一个Agent系统架构,重点说明技术选型和优化点
  • 如何评估和优化LLM的响应延迟?请结合具体案例
  • Transformer的self-attention机制是什么?它在LLM中的作用是什么?
  • 如何处理Badcase并驱动模型迭代?请描述你的闭环机制
  • 你对Agent技术的发展趋势有何看法?最关注哪项技术?

职位点评

76
综合评分

大厂前沿算法岗,技术驱动,薪资有竞争力,但现场办公、WLB信号不足。

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
适合优先追求技术成长和职业发展的求职者,对工作强度有一定承受力。
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60
使命价值70

薪资福利

80较高

海康威视作为上市大厂,薪资福利有竞争力,但JD未明确薪资和具体福利,故评分中等偏上。

薪资信号未披露(AI估算:40K-50K/月)

成长发展

85较高

职位聚焦大模型与Agent前沿技术,技术栈新,成长空间大,虽未明确晋升路径,但研究院环境利于技术深耕。

技术前沿前沿/新兴技术
技术栈LLM、Agent、Transformer、Qwen、DeepSeek、GPT
业务类型ambiguous

工作生活

60中等

仅现场办公,未提及弹性工作或加班情况,大厂算法岗通常强度较高,评分一般。

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

70中等

AI行业高速增长,但岗位社会影响力中性,创新性较强,评分中等。

行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs