联想
Sr AI Engineer
Sr AI Engineer
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Agent架构
Ai Agent
Langgraph
Llm
Prompt Engineering
Rag
大模型
软件工程
值不值得投
79综合评分
综合评分 79
前沿AI技术、大公司平台、高成长性，WLB一般
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
3.5万
比机器学习工程中位数低
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 370 个在招 · 其中机器学习工程 11 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 450 个在招
职位详情
关于这个职位
作为联想自研企业级AI Agent平台Vetra的核心研发骨干，负责该平台的架构迭代、核心研发与落地优化
工作聚焦于AI赋能软件工程全生命周期，包括智能化需求解析、研发流程自动化、AI辅助架构设计以及工程质量智能管控，旨在重构传统研发模式，打造下一代智能化研发体系
最低要求
编程语言：具备极其扎实的 Python 编程功底，熟悉异步编程、类型注解及工程化规范
AI 框架与 Agent 架构：拥有丰富的 LangGraph 实战经验，深刻理解基于图（Graph）的 Agent 状态机设计、条件边（Conditional Edges）、节点（Nodes）编排以及复杂工作流（Workflow）的容错与回溯机制
深入理解 Agent Harness 的核心设计，熟练掌握文件系统（FileSystem）、安全沙箱（Sandbox）、技能扩展（Skills）以及长短记忆（Memory）等模块的实现，能够构建安全、可控、高可用的 Agent 运行环境
大模型应用与检索增强：熟悉主流大语言模型（LLM）的 API 调用与特性，精通 Prompt Engineering，具备处理长上下文（Long Context）和复杂逻辑推理的经验
精通 RAG（检索增强生成）技术架构，深入理解混合检索策略，具备将 BM25 等关键词检索算法与向量检索结合的实践经验，能有效提升 Agent 在复杂企业场景下的知识准确性与上下文相关性
研发全生命周期理解：熟悉标准的软件研发流程（敏捷/瀑布），有实际参与大型软件项目架构设计、CICD 搭建或测试体系建设的经验者优先
软技能：具备极强的逻辑思维能力和复杂问题拆解能力
工作态度严谨，认真负责，具备优秀的跨团队沟通与协作能力
工作职责
智能化需求工程与项目治理：基于大模型深度理解与智能推理能力，搭建研发需求智能化解析体系，实现原始业务需求的自动拆解、智能研判，依托AI算法自动化、标准化生成产品需求文档，提升需求落地的精准度与效率
研发流程全链路智能化自动化：深度对接企业项目治理工具，构建AI驱动的研发任务智能拆解引擎，依托Agent自主决策能力，实现研发任务拆解、分发、跟进的全流程无人化、智能化闭环，打通研发流程自动化壁垒
AI赋能系统架构与技术方案革新：依托AI辅助架构设计体系，协同资深技术专家完成企业级研发平台的整体架构规划与方案迭代，基于大模型推理、场景知识库匹配能力，智能生成标准化、可落地的技术实施方案，赋能架构设计高效化、标准化、规范化
工程化质量智能管控与效能提效：持续交付体系，搭建研发质量AI赋能体系，实现测试场景智能挖掘、自动化测试用例生成，同时构建AI驱动的代码审查（Code Review）能力，精准识别代码漏洞与隐患，全方位提升企业研发工程的交付质量、稳定性与迭代效率
企业级研发全生命周期智能化、AI工程化落地、智能Agent平台搭建
优先资格
熟悉LangChain全生态组件与落地实践，具备复杂Agent应用快速搭建与迭代经验
拥有企业级AI Agent产品、研发智能化效率平台完整落地项目经验，有成熟上线成果优先
熟悉向量数据库（如 Milvus, PGVector 等）的底层原理与性能调优（如 索引优化、向量化等）
熟悉 DevOps 工具链（Jira, CICD, Confluence, Docker, K8s）
AI 洞察
优缺点分析
优点
- 前沿技术领域：参与AI-Native下一代软件工程体系的定义与落地，掌握核心技术壁垒
- 高价值项目：直面头部科技企业复杂研发场景，积累稀缺的AI工程化实战经验
- 大公司平台：与顶尖技术团队协作，有完善的薪酬与成长体系，提供稳定发展环境
- 技术难度高：需要处理企业级复杂场景，对Agent架构、大模型应用等技能要求严格
- 工作强度可能较大：作为核心研发骨干，需深度参与迭代与优化，可能影响工作生活平衡
缺点 / 挑战
- 项目复杂度高：从零到一搭建平台，可能面临较高的创新压力与工程挑战
- 适合具备丰富AI工程经验、喜欢挑战复杂技术问题、追求职业成长与前沿技术探索的工程师
角色解读
- 从高级AI工程师向AI架构师或技术专家方向发展，主导更复杂的平台设计
- 深入AI Agent与软件工程融合领域，成为行业前沿技术的实践者与贡献者
- 通过大公司平台积累企业级项目经验，为未来技术管理或创业奠定基础
- 负责企业级AI Agent平台Vetra的架构设计与核心研发，聚焦AI赋能软件工程全生命周期
- 实现智能化需求解析、研发流程自动化以及AI辅助架构设计等模块，提升研发效率与质量
- 参与从零到一的平台搭建与持续迭代，解决复杂企业场景下的AI落地挑战
- 精通Python编程和LangGraph框架，能够设计复杂Agent状态机和工作流
- 深入理解大模型应用、Prompt Engineering和RAG技术，具备混合检索实践经验
- 熟悉软件研发流程（敏捷/瀑布），有大型项目架构设计或CICD经验
申请策略
- 关注联想AI战略和Vetra平台相关动态，面试时展示对业务场景的理解
- 准备复杂AI项目案例，重点描述如何解决企业级落地难点
- 突出Python编程和LangGraph实战项目经验，展示Agent状态机设计能力
- 强调大模型应用、RAG技术或Prompt Engineering的具体案例与成果
- 体现软件工程理解，如参与CICD搭建、测试体系建设或敏捷流程经验
- 深入学习Agent架构设计，特别是图状态机和容错回溯机制
- 实践向量数据库（如Milvus）的性能调优，提升RAG系统效率
- 熟悉DevOps工具链（Jira, Docker, K8s），增强工程化落地能力
面试指南
- 使用STAR方法（情境、任务、行动、结果）结构化回答项目经验
- 结合技术深度，解释原理、设计思路和实际优化效果
- 强调跨团队协作和复杂问题拆解能力，突出软技能
- 如何设计一个基于图（Graph）的Agent状态机来处理复杂的研发流程？
- 在RAG系统中，如何结合BM25和向量检索优化知识准确性？
- 请举例说明你在大型软件项目中如何应用AI提升研发效率？
- 你如何确保Agent运行环境的安全性和高可用性？
- 面对企业级复杂需求，你如何进行智能化拆解与研判？
职位点评
薪资福利80
成长发展90
工作生活60
使命价值85
薪资福利
80较高
薪资具有市场竞争力，福利体系完善，符合上市公司标准。
薪资信号偏高 (2.5千–4.5万/月)
福利待遇行业顶尖赛道机遇、完善的薪酬与成长体系
成长发展
90较高
职位涉及前沿AI技术，有清晰职级晋升通道，技术成长空间大。
技术前沿前沿/新兴技术
技术栈LangGraph、LLM、RAG、Agent、Prompt Engineering
成长机会清晰的职级晋升与技术成长通道
业务类型ambiguous
工作生活
60中等
未提及办公模式，可能要求现场办公，工作生活平衡无法从JD判断。
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
AI赋能软件工程是高增长赛道，有开拓性创新，行业前景好。
行业发展高速增长赛道
社会影响中性/一般
使命信号行业顶尖赛道机遇、重塑企业软件研发模式
创新程度开拓性创新（行业首创）
联想 的其他在招职位
相似职位推荐
Watch Jobs