万兴科技
AI应用算法工程师(J14586)
AI应用算法工程师(J14586)
发布于 3 天前普通员工/个人贡献者
深圳市 / 长沙市
中级经验
全职员工
仅现场办公
本科
软件工程
Autogen
Go
Llamaindex
Llm
Openai Api
Rag
AI 估算 · 25k–40k
AI算法工程师薪资较高，深圳/长沙一线城市，中级经验，结合市场行情，预计月薪25k-40k。
职位详情
关于这个职位
该职位主要负责基于大语言模型（LLM）的智能Agent产品开发，涵盖任务规划、上下文管理、多模态交互等核心模块
你将参与系统架构设计、模型API集成、用户体验优化以及跨平台开发，同时跟踪AI Agent领域的前沿技术
适合有2年以上开发经验、对AI应用有强烈兴趣的工程师
最低要求
学历背景：计算机科学、软件工程、人工智能或相关专业本科及以上学历
技术能力：熟悉至少一种主流编程语言（Python、TypeScript、Go 等）
有LLM应用开发经验，熟悉OpenAI API或类似接口
掌握LangChain、AutoGen、LlamaIndex等Agent框架者优先
熟悉Web前端（React/Vue）或移动端（Flutter/React Native）开发
具备良好的系统设计能力与代码规范意识
经验要求：至少2年以上软件开发经验，具备AI产品或Agent应用经验者优先
了解多模态交互、RAG、知识图谱或工具调用等相关技术者加分
软技能：优秀的团队协作与沟通能力
较强的学习能力和问题解决能力
对AI技术与智能应用有强烈兴趣和创新精神
工作职责
智能Agent应用开发：负责基于大语言模型（LLM）的智能Agent产品设计与开发，包括任务规划、上下文管理、多模态交互、插件调用等核心模块
系统架构设计与实现：参与Agent平台的整体架构设计，负责前后端模块的集成与性能优化，确保系统的可扩展性与高可用性
模型与API集成：深入理解并调用主流AI模型（如OpenAI、Anthropic、Claude、Gemini等）的API，实现智能对话、自动化任务执行与知识检索
用户体验优化：与产品、设计团队协作，持续优化UI/UX交互体验，提高Agent的可用性与用户满意度
数据与日志分析：负责Agent运行数据的收集、分析与调优，改进对话策略和推荐逻辑
跨平台开发与维护：支持Web、移动端（iOS/Android）等多平台的Agent应用落地与维护
创新与研究：跟踪AI Agent、RAG、自动化Agent框架（如LangChain、AutoGen、CrewAI等）的最新进展，持续探索技术创新与落地方案
优先资格
有独立开发或上线AI Agent应用经验
熟悉Prompt Engineering与系统提示设计
有云端部署经验（AWS、GCP、Azure等）
参与过AI Hackathon、Agent框架开源项目者优先
AI 洞察
优缺点分析
优点
- AI Agent是当前最热门的技术方向，市场需求大，发展前景广阔
- 可接触多种主流模型和框架（LLM、LangChain、AutoGen），技能积累丰富
- 万兴科技已上市，业务稳定，深圳/长沙双城可选，提供一线城市薪资水平
- AI领域技术迭代快，需要持续学习新工具和新模型，保持技术敏感度
- Agent应用开发涉及多模块集成（前端、后端、模型），需要较强的全栈能力
- 适合有2年以上开发经验、对AI应用充满热情、喜欢研究前沿技术并具备较强动手能力的工程师
缺点 / 挑战
- 跨平台开发和性能优化可能带来较高的工作强度
角色解读
- 技术深耕：成为AI Agent领域的专家，从工程实现向算法优化、模型调优方向发展
- 架构演进：从模块开发到平台架构设计，成长为技术负责人或系统架构师
- 管理方向：积累项目经验后，可带领团队负责完整AI产品线，转型技术管理
- 负责基于大语言模型开发智能Agent，实现任务规划、上下文管理、多模态交互等功能
- 设计Agent平台系统架构，集成前后端模块并优化性能，确保高可用与可扩展
- 调用主流AI模型API（如OpenAI、Claude等），实现智能对话、自动化任务与知识检索
- 与产品、设计团队协作优化UI/UX，分析运行数据改进对话策略和推荐逻辑
- 精通至少一种编程语言（Python/TypeScript/Go），有扎实的编码能力
- 熟悉LLM应用开发，掌握OpenAI API及LangChain、AutoGen等Agent框架
- 具备系统设计能力，了解云部署（AWS/GCP/Azure）及前端或移动端开发
- 对RAG、多模态交互、Prompt Engineering等技术有深入理解
申请策略
- 关注万兴科技在AI方向的战略产品，面试中展现对该领域的技术热情和创新能力
- 若有开源项目或AI Hackathon经历，务必在简历中突出，这是重要加分项
- 突出LLM应用开发项目经验，尤其是使用LangChain或类似框架构建Agent的案例
- 强调系统设计能力，展示过去项目中的架构决策和性能优化成果
- 列出熟悉的编程语言、框架和云平台，体现全栈技术广度
- 深入学习LangChain、AutoGen等Agent框架，动手实现一个简单的对话Agent原型
- 熟悉RAG技术原理和常见实现方式，了解知识图谱与工具调用的结合
- 补充Prompt Engineering知识，练习设计高效的系统提示
面试指南
- 针对技术实现类问题，采用STAR方法：情境、任务、行动、结果，突出技术选型、难点攻克和最终效果
- 对于架构设计问题，从可扩展、高可用、性能、安全等维度思考，并结合具体场景给出方案
- 对于技术对比问题，先说明各自特点，再结合项目实际需求给出选择理由，体现决策能力
- 请描述一个你使用LLM API开发Agent的完整流程，包括任务规划与上下文管理
- 如何设计一个高可用的Agent平台架构？考虑哪些非功能需求？
- 比较LangChain和AutoGen的异同，在什么场景下选择哪个框架？
- 当Agent的对话效果不理想时，你会如何分析和优化？
- 你对RAG技术了解多少？如何将知识库集成到Agent中？
职位点评
69
综合评分
AI Agent算法工程师，前沿技术栈，成长空间大，薪资优厚，WLB待确认。
更适合这类人
该职位最适合追求技术成长与前沿领域的求职者，若看重WLB可能需要进一步了解公司文化。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活50
使命价值60
薪资福利
75中等
该职位薪资处于市场中上水平，上市公司稳定性较好，但JD未明确福利，补偿性满足程度较高。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
90较高
职位涉及最前沿的AI Agent技术和多种主流框架，学习成长空间极大，是核心技术岗位。
技术前沿前沿/新兴技术
技术栈LLM、LangChain、AutoGen、RAG、OpenAI、Prompt Engineering、多模态
业务类型profit_center
工作生活
50较低
JD未明确远程或弹性工作，深圳/长沙办公地点可能靠近科技园区，通勤一般，WLB信息不足。
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
60中等
AI Agent属于高速增长赛道，技术创新性强，但社会影响力中性，意义感中等。
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