联想
AI技术架构师
AI技术架构师
发布于 大约 15 小时前普通员工/个人贡献者
天津市
高级经验
全职员工
仅现场办公
本科
架构师
Agent框架
Ai Coding
Ai架构
Autogen
Llamaindex
Llm
Rag
分布式系统
AI 估算 · 35k–60k
职位详情
关于这个职位
作为联想AI技术架构师，你将负责AI应用层的整体架构设计与技术选型，主导企业智能体、RAG系统等核心AI应用的开发与落地
你将深度参与AI Coding的工程化实践，推动团队技术升级，并有机会在跨国巨头平台上接触前沿AI技术
该职位要求扎实的LLM、Agent框架和RAG全链路经验，适合有5年以上架构经验的技术专家
最低要求
学历与经验：计算机、AI、软件工程或相关专业本科及以上学历，5年以上系统架构和AI工程交付相关经验，有AI应用从0到1的架构设计与上线经历优先
LLM与AI理解：熟悉主流LLM（GPT系列、Claude、Qwen/Llama等）的能力边界与调用策略
理解Prompt进阶工程（Few-shot、CoT、ReAct等），能与算法团队高效沟通模型微调、量化等概念
AI框架与Agent实践：深度熟悉至少一种主流Agent开发框架（如LangChain、LlamaIndex、Dify、AutoGen等），理解其核心抽象（Chain、Tool、Memory、Callback等）及适用场景
掌握并能灵活应用Skill，MCP等技术
有实际构建多Agent协作系统或复杂任务编排经验
RAG全链路经验：熟悉RAG全链路（数据预处理→向量化→检索→重排→生成），有实际调优与解决幻觉问题的经验
AI Coding: 深度熟悉和掌握主流的AI Coding Agent(如: Claude Code, Codex, Copilot, 等)
理解和掌握AI Coding的技术思路和实现
系统工程能力：具备分布式系统设计经验，熟悉微服务架构、消息队列、缓存、数据库等后端通用技术栈
具备良好的API设计能力（RESTful/gRPC）
工作职责
架构设计与技术选型：负责AI Coding和AI工程化的流程，方案，选型和落地
负责AI应用层（企业智能体、知识库RAG、本体论等）的整体系统架构设计，包括模块划分、接口契约、数据流向与部署方案
负责AI相关技术栈的选型与评估（Agent框架、向量数据库、编排引擎、推理后端等），在性能、成本与可维护性之间取得最优平衡
AI应用核心开发：基于主流Agent框架构建复杂的Agent工作流，实现多工具调用（Function Calling）、多轮对话、任务规划与自主决策能力
设计并实现企业级RAG（检索增强生成）系统，主导文档解析、分块策略、Embedding模型选型、向量检索优化及Re-ranking机制调优
构建可扩展的Prompt工程与管理体系，支持模板化、版本化、A/B测试与效果追踪
AI工程化与性能优化：引入AI Coding的最新理念和技术并实现工程化落地，提高AI Coding的效率和质量
有将AI Coding结合到传统开发旅程中的实践经验优先
制定并推行AI开发规范（代码结构、测试策略、版本管理、部署流程），提升团队整体工程素养
设计高并发、低延迟的LLM推理服务架构，涵盖请求队列管理、流式输出、缓存策略（语义缓存/KV Cache）与Fallback机制
优化系统整体性能，识别并解决推理延迟、吞吐瓶颈、Token消耗及成本控制等关键工程问题
建立AI系统的可观测性体系（监控、日志、链路追踪），保障生产环境的绝对稳定性
技术前瞻与团队赋能：保持对前沿AI技术的追踪，调研，应用场景和可行性评估，原型验证等
持续跟踪AI工程化领域的前沿进展（Agent新范式、推理优化技术、评估框架等），推动技术迭代
指导并培养团队初中级工程师，主持技术方案评审与知识分享，打造高绩效技术团队
优先资格
开源与评估：在AI框架（LangChain/LlamaIndex等）有高质量PR贡献
或有构建AI应用评估框架（如RAGAS、BLEU、人工评估流程）的经验
成本与垂类：有大规模Token消耗优化、推理成本控制的实际案例
或在特定行业（ICT制造业、供应链）有AI应用架构落地经验
云原生架构：熟悉Kubernetes、服务网格、Serverless架构在AI场景的应用，熟悉vLLM、TGI等推理加速框架
AI 洞察
优缺点分析
优点
- 联想作为跨国巨头，平台大，资源丰富，能接触大规模真实业务场景
- AI技术是当前热点，该岗位处于技术前沿，有很好的职业发展前景
- 技术复杂度高，需要持续学习最新AI技术，保持知识更新
- 跨部门协作多，需要良好的沟通和推动能力
缺点 / 挑战
- 薪资水平较高，福利完善，工作稳定
- 工作强度可能较大，需要应对高并发、低延迟等性能挑战
- 适合有5年以上架构经验，对AI技术有热情，喜欢挑战技术难题的资深工程师
角色解读
- 技术专家路线：深耕AI架构领域，成为公司级技术权威
- 管理路线：带领AI技术团队，向技术总监或CTO方向发展
- 行业影响力：通过开源贡献和分享，提升个人在AI领域的影响力
- 负责AI应用的整体架构设计，包括企业智能体、RAG系统等，确定技术选型和模块划分
- 基于主流Agent框架开发复杂的Agent工作流，实现多工具调用和自主决策
- 构建企业级RAG系统，优化检索和生成效果，解决幻觉问题
- 推动AI Coding工具在开发流程中的落地，提升团队开发效率
- 精通主流LLM的能力边界和调用策略，熟悉Prompt工程
- 深度掌握至少一种Agent开发框架（如LangChain、Dify等），有实际项目经验
- 熟悉RAG全链路，包括向量数据库、Embedding、Re-ranking等
- 具备分布式系统设计能力，熟悉微服务、消息队列、缓存等后端技术
申请策略
- 了解联想在AI领域的业务布局，特别是企业智能体和RAG方向
- 准备一个完整的AI架构设计案例，展示你的技术决策和权衡
- 突出AI应用架构设计的项目经验，特别是从0到1的落地案例
- 强调对Agent框架和RAG技术的深入理解，列出具体技术栈和成果
- 展示分布式系统设计能力和性能优化经验
- 如有开源贡献或技术博客，务必提及
- 熟悉主流Agent框架的源码和最佳实践，如LangChain、Dify
- 学习AI Coding工具的使用和集成，如Claude Code、Copilot
面试指南
- 采用STAR法则：情境、任务、行动、结果，具体描述项目背景和你的贡献
- 强调技术决策的考量因素，如性能、成本、可维护性
- 展示对前沿技术的了解，但也要注重实际落地
- 请描述你设计过的一个AI应用架构，包括技术选型和权衡
- 如何解决RAG系统中的幻觉问题？
- 如何设计一个高并发的LLM推理服务？
- 你如何评估和选择Agent框架？
- 如何将AI Coding融入现有开发流程？
职位点评
75
综合评分
技术前沿、薪资优厚，但工作地点固定，WLB不明确。
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
适合追求技术成长和职业发展，对工作地点灵活性要求不高的求职者。
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90
工作生活50
使命价值70
薪资福利
80较高
该职位薪资水平较高，联想作为上市公司提供稳定的福利待遇，但具体薪资未在JD中披露。
薪资信号未披露（AI估算：35K-60K/月）
成长发展
90较高
该职位处于AI技术前沿，涉及大量新技术，有明确的团队赋能职责，成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RAG、LangChain、LlamaIndex、Dify、AutoGen、AI Coding、vLLM、Kubernetes
成长机会指导并培养团队初中级工程师、知识分享
业务类型ambiguous
工作生活
50较低
工作地点在天津，未明确远程或弹性办公，可能为现场办公，生活便利性一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
AI技术应用具有推动行业发展的意义，但具体社会影响不明确。
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