vivo
AI架构工程师（AIAgent方向）
AI架构工程师（AIAgent方向）
发布于 大约 15 小时前普通员工/个人贡献者
深圳市
高级经验
全职员工
仅现场办公
学历未注明
软件工程
Autogen
Crewai
Go
Langgraph
Prompt Engineering
Rag
向量数据库
AI 估算 · 30k–50k
该职位为AI架构师方向，技术门槛高，深圳大厂薪资竞争力强，月薪中位数预估40K左右。
职位详情
关于这个职位
该职位主要负责AI Agent核心架构的选型与设计，涵盖Workflow、Single-Agent及Multi-Agent系统，并深耕创意自动化和内容深度理解等垂直领域
你将持续跟进大模型Agent技术前沿，优化Agent能力以支持业务场景
适合有扎实编程和AI开发经验、对Agent技术有深入理解的工程师
最低要求
熟练掌握 Python（Java或者Go） 中至少一门编程语言，并有相关的项目实战经验
具备AI开发经验，掌握以下至少两项核心技能：
（1）Agent框架与生态：深入理解 LangChain / LangGraph 生态，或有AutoGen、CrewAI 等多智能体框架的实际落地经验，熟悉主流Agent开发平台（如 Dify、Coze、阿里云百炼）的核心机制，并有二次开发或私有化部署经验
（2）上下文与记忆工程：熟悉 Prompt Engineering 与 Context Engineering，有处理长窗口（Long Context）及动态上下文压缩的实际案例，有解决Agent“长程任务失忆”、“状态一致性”问题的成功实践经验
（3）原生AI应用构建：具备 RAG（检索增强生成）全链路开发经验（包括向量数据库选型、混合检索策略、重排序优化等），有围绕大模型API构建高并发、低延迟后端服务的经验，熟悉异步编程与流式响应处理
在创意生成、代码辅助、数据分析等特定垂直领域有成熟的Agent产品上线经验
具备业务思维，能够从业务痛点出发，设计最具性价比的AI解决方案
工作职责
负责Agent核心架构的选型与设计，针对不同业务复杂度，灵活构建Workflow、Single-Agent及Multi-Agent系统
深耕创意自动化生成、内容深度理解等垂直领域，设计具备领域知识库（RAG）与专业工具链的专用智能体
持续学习、研究行业最佳实践，不断优化和提升大模型Agent的应用技术、支持业务场景下的Agent能力演进
AI 洞察
优缺点分析
优点
- AI Agent是当前最热门的技术方向之一，技能积累价值高
- vivo作为大型企业，有丰富的业务场景和数据资源支持
- 岗位涉及完整的技术栈，能快速提升全栈AI能力
- 技术更新快，需要持续学习新框架和最佳实践
- Agent系统在长程任务中易出现状态一致性问题，调试难度大
- 需要平衡业务需求与技术复杂度，设计高性价比方案
- 适合有较强编程和AI开发经验，对Agent技术有浓厚兴趣，喜欢钻研前沿技术并解决复杂工程问题的人
缺点 / 挑战
暂无明显挑战项
角色解读
- 从Agent架构师向AI技术专家或团队技术负责人发展
- 可横向拓展到大规模AI系统、多模态AI等前沿领域
- 在vivo内部有机会推动Agent技术在各产品线落地，提升影响力
- 设计并实现AI Agent系统架构，包括工作流、单智能体和多智能体协作
- 针对创意生成、内容理解等垂直领域，构建集成RAG和工具链的专用智能体
- 跟踪行业最新技术，持续优化Agent能力以提升业务效果
- 精通Python或Java/Go，有扎实的工程实战经验
- 深入掌握至少一个Agent框架（如LangChain、AutoGen）及开发平台（如Dify）
- 熟悉Prompt Engineering、长上下文处理和RAG全链路技术
- 具备业务思维，能从痛点出发设计AI解决方案
申请策略
- 面试前深入了解vivo的AI产品方向，思考Agent技术如何赋能业务
- 准备一个完整的Agent设计案例，展示从需求到落地的全过程
- 突出主导的Agent项目，特别是上线产品和具体技术选型
- 详细描述在LangChain、RAG等方面的实际经验和优化成果
- 强调解决长上下文、状态一致性等挑战的案例
- 如有开源贡献或技术博客，也建议展示
- 补充多智能体框架（如CrewAI）的实操经验
- 深入理解主流Agent开发平台（如Dify、Coze）的私有化部署
面试指南
- 结合具体项目案例，先描述问题场景，再说明技术选型与权衡，最后展示效果
- 强调对底层原理的理解，而不仅仅是工具使用
- 展现业务思维，说明技术方案如何服务于业务目标
- 请设计一个支持多步推理的Agent系统，如何处理长任务中的记忆丢失？
- RAG系统中向量数据库的选型依据是什么？如何优化检索质量？
- 你如何使用LangGraph构建一个多Agent协作的工作流？
- 在创意生成场景中，如何确保Agent输出结果的一致性和质量？
- 你如何评估一个Agent方案的业务价值和技术成本？
职位点评
65
综合评分
大厂AI Agent架构岗，技术前沿性极强，发展空间大，但薪资未明示，WLB不确定。
更适合这类人
最适合追求技术成长和前沿探索的求职者，对工作生活平衡要求不高，能接受较大学习压力。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展85
工作生活40
使命价值75
薪资福利
60中等
薪资未在JD中披露，但vivo作为大厂通常提供有竞争力的薪酬，福利方面JD未提及，整体补偿性中等。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
85较高
该职位聚焦前沿AI Agent技术，要求掌握最新框架和工具，成长空间大，但JD未明确晋升路径。
技术前沿前沿/新兴技术
技术栈LangChain、LangGraph、RAG、Prompt Engineering、Agent、Dify、Coze
业务类型ambiguous
工作生活
40较低
JD未提及工作模式和加班情况，默认现场办公，难以判断工作生活平衡。
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
AI Agent赛道高速增长，技术引领性强，但社会影响力方面表现一般。
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