联想
Senior AI System Engineer
Senior AI System Engineer
发布于 大约 19 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
本科
研究与开发 (研发)
Ai Agent
CI/CD
Go
Llm
Rag
Cgo
Langchaingo
Pprof
AI 估算 · 30k–60k
资深AI系统工程师，联想大厂，北京，技术栈前沿，市场薪资竞争力强。
职位详情
关于这个职位
该职位负责联想AI与Agent项目的后端架构设计与核心开发，聚焦端侧集成与跨平台优化
您将主导从0到1的复杂项目交付，并参与移动端内存、功耗与延迟优化，同时通过技术文档、自动化测试和CI/CD提升工程效率
此外，还需跟踪AI前沿进展并指导初中级工程师
最低要求
教育背景：计算机科学、人工智能、软件工程或相关专业本科及以上，具备良好的英文阅读和沟通能力
工作经验：5-8年以上软件开发经验，有复杂项目从0到1交付经验
核心技术：精通Go语言（Goroutine调度、Channel、GC原理与调优、内存分配），有Go在LLM后端/Agent Runtime/RAG系统的集成经验，熟悉Go AI生态（如LangChainGo）和LLM API集成
性能优化：熟练使用pprof进行高并发低延迟优化，有CGO经验以解决Go/C++库性能瓶颈
AI领域知识：熟悉LLM应用开发、Prompt Engineering、Agent范式（ReAct、Plan-and-Solve）、RAG流程及端侧数据库
工作职责
核心架构与交付：领导AI与Agent项目的后端架构设计、核心开发与交付
端侧集成与优化：与核心团队（Memory & Knowledge、Orchestration、Agent Runtime等）协作，在端侧集成AI模块（推理、Agent工作流、RAG、记忆/上下文、Agent编排），确保高可用打包和超低资源优化
跨平台与性能：构建跨平台（Windows/Android）AI SDK/应用，重点优化移动端内存、功耗和延迟
工程效率：编写技术文档和API规范，建立并维护自动化测试和CI/CD流水线，确保跨平台交付质量与效率
技术领导力：跟踪AI前沿进展，指导初中级工程师
优先资格
Java：扎实的Java背景，便于与现有Java团队协作
Python：能阅读Python代码（如LangChain、LlamaIndex）并将核心逻辑重构为Go
Rust（加分）：用于端侧优化、安全内存管理和跨平台底层交互
AI 洞察
优缺点分析
优点
- 身处AI Agent前沿赛道，技术栈新、成长空间大
- 联想大厂平台，资源丰富，有机会接触到跨平台端侧AI落地的实际场景
- 工作内容兼具技术深度（Go性能优化）与广度（跨平台、AI集成），利于全面积累
- 技术要求高，需同时精通Go、AI和系统优化，学习曲线较陡
- 作为Senior工程师需承担技术领导力，除了开发还要指导他人、推动项目
- 适合有5年以上Go开发经验、对AI Agent和端侧优化充满热情，并希望在大公司前沿项目中发挥技术影响力的资深工程师
缺点 / 挑战
- 端侧资源优化（内存、功耗）极具挑战性，需解决底层难题
角色解读
- 纵向发展为AI系统架构师，主导更复杂AI平台设计与技术决策
- 横向可向AI产品技术负责人或跨团队技术Leader转型
- 通过跟踪AI前沿和指导团队，积累管理经验，晋升为技术经理或总监
- 负责AI项目后端架构设计与核心开发，主导从0到1的系统交付
- 与团队协作将AI推理、Agent工作流等模块集成到端侧设备（Windows/Android），并进行内存、功耗和延迟优化
- 编写技术文档与API规范，搭建自动化测试和CI/CD流水线，确保跨平台交付效率
- 精通Go语言，深入理解Goroutine调度、GC原理与内存分配机制
- 具备Go与AI/Agent结合的经验，熟悉LangChainGo和LLM API集成
- 掌握性能优化工具（pprof）和CGO技术，能解决Go/C++混合编程瓶颈
- 熟悉LLM应用开发、RAG流程和Agent范式（ReAct、Plan-and-Solve）
申请策略
- 联想注重英文能力，准备好英文技术文档阅读和面试沟通
- 关注联想AI战略，了解其端侧AI产品（如AI PC），面试中展现业务理解
- 突出Go语言深度经验，特别是Goroutine、GC调优和CGO相关项目
- 展示AI/Agent项目经历，如LLM集成、RAG系统或Agent Runtime开发
- 强调性能优化成果（如用pprof解决高并发瓶颈）和跨平台SDK交付案例
- 如有开源贡献或端侧优化经验，务必重点列出
- 如果Go AI生态不熟，可快速学习LangChainGo和常见LLM API
- 补充端侧优化知识，如ONNX Runtime、llama.cpp等推理引擎的集成与调优
面试指南
- 对于原理类问题：先阐述核心概念，再结合自身项目实际，最后总结最佳实践
- 对于方案设计类问题：明确需求（约束条件如端侧资源有限），提出架构模块分解，强调关键优化点（缓存、异步、内存复用）
- 对于经验类问题：用STAR法则（Situation, Task, Action, Result）结构化描述，突出量化成果
- Go的Goroutine调度原理（G-M-P模型）和Channel设计模式
- 如何用pprof定位高并发场景下的CPU/内存瓶颈？请举例
- 描述你曾经用Go集成LLM或构建Agent系统的架构设计方案
- 在端侧设备上优化AI推理延迟和内存占用，你会怎么做？
- CGO的使用场景和注意事项，如何解决Go调用C++库的性能问题？
职位点评
68
综合评分
前沿AI Agent技术岗，大厂平台，技术成长空间大，但薪资未明确且WLB未提及。
更适合这类人
最适合以技术成长和前沿探索为核心动机的资深工程师，对薪资和WLB有一定容忍度。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展80
工作生活50
使命价值75
薪资福利
65中等
联想作为上市巨头提供相对稳定的薪酬和福利，但JD未明确薪资和福利细节，对薪资敏感度较低的求职者吸引力一般。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
80较高
职位涉及前沿AI Agent和端侧优化技术，技术成长空间大，且有指导他人和跟踪前沿的机会，但JD未提及明确晋升通道。
技术前沿前沿/新兴技术
技术栈Go、LLM、AI Agent、RAG、LangChainGo、CGO、端侧优化
业务类型profit_center
工作生活
50较低
JD未提及远程或弹性工作，联想北京办公地点在科技园，通勤可能一般；未明确WLB信号，但此类大厂技术岗通常有一定加班可能。
工作模式未明确
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
75中等
AI Agent赛道属于高速增长行业，技术创新性强，但社会影响力中性，适合追求技术前沿而非社会使命的求职者。
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