安克创新
大模型AI应用工程师
大模型AI应用工程师
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Ai Agent
Edge Ai
Llm
Rag
Tensorrt
值不值得投
81综合评分
综合评分 81
前沿AI技术栈、高薪资潜力、技术挑战大、WLB信息缺失
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
5.5万
比AI算法中位数高
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 480 个在招 · 其中AI算法 4 个
市场机会
选择不多
深圳 · AI算法 · 2 个在招
职位详情
关于这个职位
负责基于AI Agent的智能应用系统架构设计与研发，推动Agent技术在智能安防及智能家居产品中的落地
需精通C++/Python，深入理解多模态大模型、计算机视觉及端侧边缘计算优化，具备复杂AI系统从感知到执行的全链路开发能力
最低要求
计算机科学、人工智能、电子信息、自动化、软件工程等相关专业，本科及以上学历
具备5年及以上AI应用开发、算法工程化或智能系统架构相关经验
精通C++、Python等编程语言，具备良好的软件架构设计、多线程编程、异步任务处理、内存管理及性能优化能力，熟悉Linux环境下的系统开发与调试
深入理解AI Agent核心架构，熟悉感知、推理、决策、执行及反馈闭环的设计方法，掌握Planning、Tool Use、Memory、Workflow、状态管理等关键技术，具备AI Agent应用系统的实际设计与开发经验
熟悉计算机视觉及多模态AI技术，理解目标检测、目标跟踪、人脸识别、ReID、场景理解等CV算法，以及VLM、LLM等大模型的基本原理，具备多模型集成、算法结果融合或复杂业务场景应用经验
熟悉至少一种主流AI Agent框架或技术体系，如LangGraph、LangChain、AutoGen、ReAct、Function Calling、MCP等，具备工具调用、任务编排、上下文管理或Agent Memory系统开发经验
熟悉端侧及边缘AI应用开发，了解ONNX Runtime、TensorRT、OpenVINO、QNN、RKNN等至少一种推理框架或工具链，具备端侧AI模型集成、推理Pipeline开发或性能优化经验
具备良好的系统架构能力，熟悉模块化设计、异步消息机制、状态机、事件驱动架构及服务接口设计，能够独立完成复杂AI应用系统的技术选型、方案设计与核心模块开发
熟悉AI应用系统的测试与评测方法，具备系统性能分析、稳定性优化、问题定位及工程质量保障能力，能够推动AI应用从技术验证到实际产品交付
具备较强的技术攻坚、跨团队协作及项目推进能力，能够主导复杂技术问题分析与解决，具备良好的技术方案设计与文档编写能力
工作职责
AI Agent 应用架构设计：负责基于 AI Agent 的智能应用系统架构设计与研发，构建融合视觉感知、多模态理解、推理决策、记忆管理及任务执行的完整 AI 应用框架，推动 Agent 技术在智能安防、智能家居及边缘 AI 产品中的落地
AI 算法集成与应用开发：负责目标检测、目标跟踪、人脸识别、ReID、场景理解等 CV 算法，以及 VLM、LLM 等大模型能力的集成与应用开发，研究多模型协同、算法能力编排及结果融合机制，提升复杂场景下的识别准确性、系统鲁棒性与应用效果
感知-推理-决策-执行闭环研发：主导 AI 应用从感知、认知、推理到决策、执行的全链路设计，研究事件驱动、任务规划、状态管理、规则引擎及工具调用等技术，实现 AI 系统对复杂业务场景的自主理解、智能决策与闭环响应
AI Agent 记忆与上下文管理：研究基于短期记忆、长期记忆、RAG、向量检索及上下文管理的 Agent Memory 技术，构建人物、事件、场景与历史行为的关联机制，支持跨时间、跨设备的身份关联、事件推理与个性化智能决策
AI 应用平台与系统架构建设：负责 AI 应用平台的需求分析、技术选型及架构设计，构建模块化、可扩展的 AI 应用框架与标准化算法接口，推动模型推理、数据处理、业务决策及设备控制等模块的高效协同
端侧 AI 应用工程化落地：负责 AI 应用在端侧及边缘计算设备上的集成与优化，研究多模型推理调度、异步任务处理、资源管理、端云协同及低时延 Pipeline 等技术，提升 AI 应用在算力、内存及功耗受限环境下的运行效率和稳定性
智能安防业务场景落地：深入理解智能安防及智能家居业务需求，研究身份识别、异常事件检测、智能告警、主动防护、家庭行为理解等应用场景，设计并实现面向真实产品的 AI 决策流程与业务应用方案
系统质量与持续优化：建立 AI 应用系统的功能、性能、稳定性及安全性评测机制，持续优化算法融合效果、决策准确率、系统响应时延及资源占用，构建用户反馈、问题分析与产品持续迭代的闭环体系
技术架构与跨团队协作：主导 AI 应用系统的技术方案设计、核心模块研发及关键技术攻关，协同算法、嵌入式、云端及产品团队推进详细设计、代码开发、系统测试与产品交付，保障整体技术方案的可维护性与可扩展性
前沿技术探索：持续跟踪 AI Agent、Multimodal AI、Edge AI、Memory、RAG、Agentic Workflow 等前沿技术，探索新技术与实际业务场景的结合，推动智能应用架构持续演进及产品创新
优先资格
有智能安防、智能家居、AIoT、机器人或其他智能硬件产品的AI应用架构设计与实际量产经验
具备复杂AI Agent系统开发经验，熟悉Multi-Agent、Hierarchical Planning、Agent Memory、RAG、Reflection、动态任务规划等技术
有人脸识别、ReID、跨摄像头目标关联、行为识别、视频事件理解及智能安防业务逻辑的系统集成经验
熟悉多模态大模型应用，包括视频理解、场景推理、自然语言交互、视频语义搜索及多模态Agent等技术，有相关产品落地经验
熟悉向量数据库、Embedding、RAG、知识图谱、时序数据库等技术，具备人物身份、事件关联、空间记忆或长期行为分析等相关系统开发经验
有复杂业务规则引擎、事件驱动系统、状态机、行为树或决策引擎的设计与开发经验
具备AI应用系统自动化测试、灰度发布、可观测性建设、性能压测及线上问题诊断经验
有大型AI应用项目的技术负责人或核心架构师经验，能够独立推动从技术选型、架构设计到产品交付的完整研发流程
AI 洞察
优缺点分析
优点
- 处于AI Agent与智能硬件结合的前沿赛道，技术栈极具前瞻性
- 上市公司平台稳定，资源投入充足
- 技术复合度高，需同时兼顾算法理解、系统工程与端侧性能优化，学习曲线陡峭
- 需应对快速变化的AI技术生态
- 适合具备扎实工程基础且对AI前沿技术有强烈兴趣的高级工程师或架构师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI系统架构师、首席科学家或智能硬件产品技术负责人方向发展，引领下一代AIoT产品技术路线
- 负责设计并开发基于AI Agent的智能应用系统，连接大模型能力与终端硬件产品
- 精通C++/Python后端开发，深入理解LLM/VLM/CV算法原理，熟练掌握LangChain等Agent框架及端侧推理优化
申请策略
- 准备具体的技术架构图解，展示如何平衡算法精度与端侧资源限制，体现系统化思维
- 突出AI Agent全链路开发经验，强调在端侧设备上的模型部署与性能优化案例，展示跨团队协作成果
- 深化对LangGraph/AutoGen等最新Agent框架的理解，加强多模态大模型在垂直场景落地的实战经验
面试指南
- 使用STAR法则（情境、任务、行动、结果），重点阐述技术选型的权衡过程、遇到的具体瓶颈及解决方案、最终的性能指标提升
- 请描述你设计过的最复杂的AI Agent系统架构，特别是如何处理记忆和工具调用？
- 在资源受限的端侧设备上，如何优化大模型的推理延迟和功耗？
- 如何解决多模型协同中的冲突与一致性问题的？
- 复习LLM基本原理、向量数据库工作机制、常见推理加速框架（如TensorRT）的使用细节，梳理过往项目中关于‘感知-决策-执行’闭环的具体案例
职位点评
薪资福利85
成长发展95
工作生活60
使命价值75
薪资福利
85较高
作为已上市大型企业的资深技术岗位，薪资竞争力强，福利体系完善，符合市场对高端AI人才的定价标准。
薪资信号偏高 (4.0千–7.0万/月)
成长发展
95较高
职位涉及AI Agent、多模态大模型、端侧AI等最前沿技术领域，技术成长空间巨大，能接触行业顶尖技术实践。
技术前沿前沿/新兴技术
技术栈AI Agent、LLM、VLM、LangChain、TensorRT、RAG、Multi-Agent
业务类型profit_center
工作生活
60中等
未明确提及弹性工作制或WLB保障，但作为研发岗位通常比销售/运营类稍好；高强度技术攻坚可能带来一定压力。
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
致力于将AI技术落地于智能家居和安防领域，提升用户生活便利性和安全性，具有明确的产品价值和社会意义。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs