用友网络
FDE技术专家
FDE技术专家
发布于 1 天前普通员工/个人贡献者
全部地区
中级经验
全职员工
仅现场办公
本科
软件工程
Ai Agent
Go
Llm
Prompt Engineering
Rag
Tensorrt-Llm
Vllm
Yonbip
AI 估算 · 25k–45k
AI技术专家岗位，结合大厂平台和前沿技能，薪资水平有竞争力
职位详情
关于这个职位
作为用友FDE技术专家，你将深入客户业务现场，负责从技术方案设计、POC验证到私有化部署的全流程交付
基于用友企业AI平台构建行业智能体与大模型应用，解决客户最后一公里落地难题
该职位需要扎实的工程能力和AI工程化经验，同时具备优秀的客户沟通能力
最低要求
本科及以上学历，计算机、人工智能、软件工程等相关专业
年以上 ToB 项目交付、解决方案架构或客户现场技术交付经验
扎实的工程能力：精通 Python/Go/Java 至少一门
熟悉 Docker/Kubernetes、Linux、API 设计与系统稳定性保障
AI 工程化能力：具备 AI 应用全生命周期开发经验，熟悉 Agent 架构、RAG、Prompt 工程、Function Calling/MCP 等现代模型集成范式
大模型部署经验：熟悉 Qwen/DeepSeek/Llama 等主流开源模型部署，熟练使用 vLLM/TGI/TensorRT-LLM 等推理框架做性能优化
软技能：优秀的客户沟通能力、需求拆解能力和商业叙事能力
能在复杂客户环境中独立决策
接受出差/驻场
工作职责
深入客户业务现场，根据需求调研结果完成技术方案设计、POC 验证、私有化部署、系统集成与持续迭代的全流程交付
基于用友企业 AI 平台，构建行业智能体、RAG 知识库、AI 工作流，解决客户"最后一公里"落地难题
负责大模型私有化部署与推理优化，完成 GPU 环境、容器化部署、API 封装及性能压测
基于 YonBIP 低代码/API 开放平台，快速开发客户定制化功能，打通企业 ERP、人力、供应链、制造等系统
输出高质量交付文档、架构说明与操作手册，沉淀可复用的行业FDE资产包，赋能生态伙伴
将一线客户真实痛点反馈至产品与研发团队
优先资格
有大型国央企、制造、能源等行业 AI 落地经验者优先
AI 洞察
优缺点分析
优点
- 接触前沿AI技术（大模型、Agent、RAG），技能积累迅速
- 用友作为老牌企业软件公司，客户资源丰富，项目稳定
- 需频繁出差或驻场，对工作生活平衡有较大影响
- 客户现场环境复杂，需要较强的问题解决和应变能力
- AI技术迭代快，需持续学习保持竞争力
- 适合有3年以上ToB交付经验、热爱AI技术、能接受高频出差、希望在AI工程化领域深耕的求职者
缺点 / 挑战
- 能够深入一线业务场景，理解真实AI落地挑战
角色解读
- 可向AI解决方案架构师或技术总监方向发展，深入行业AI咨询
- 也可专注技术深度，成为大模型部署与优化专家
- 在用友平台积累大型国央企项目经验后，可跳槽至甲方或咨询公司
- 负责客户现场的技术方案设计与全流程交付，包括POC验证、私有化部署等
- 基于用友AI平台构建行业智能体、RAG知识库和AI工作流，解决客户落地难题
- 进行大模型私有化部署与推理优化，使用vLLM等框架提升性能
- 通过低代码平台开发定制化功能，实现与ERP等系统的集成
- 精通Python/Go/Java，熟悉Docker/Kubernetes和Linux系统
- 具备AI工程化能力，熟悉Agent架构、RAG、Prompt工程等
- 有主流开源大模型部署经验，熟练使用推理优化框架
- 优秀的客户沟通与需求拆解能力，能独立决策并适应出差
申请策略
- 了解用友YonBIP平台和其AI能力，面试中可针对性讨论
- 准备好一个完整的AI落地案例，从需求到部署的详细过程
- 突出ToB项目交付经验，特别是涉及AI或大模型落地的项目
- 展示Docker/Kubernetes等工程化技能，最好有量化成果
- 强调客户沟通和需求拆解能力，例如复杂场景的解决方案
- 列出熟悉的AI框架和模型，如vLLM、Qwen等
- 补充Agent架构和Function Calling/MCP等新兴范式
- 深入学习大模型推理优化，如vLLM、TensorRT-LLM的使用
面试指南
- STAR法则：情境-任务-行动-结果，突出技术细节和业务价值
- 问题解决三步法：定义问题→拆解原因→给出方案，体现逻辑清晰
- 请描述一个你主导的AI项目交付案例，包括技术难点和解决方案
- 如何设计RAG系统以提升问答准确率？如何评估效果？
- 如果客户要求私有化部署大模型，你会如何选择模型和推理框架？
- 如何处理客户需求频繁变更的情况？请举例
- Docker和Kubernetes在你之前项目中的使用场景是什么？
- 复习Agent、RAG、Prompt工程等核心概念，准备个人项目案例
职位点评
64
综合评分
前沿AI技术岗位，核心价值在于高强度的工程实践与技能提升，但需接受频繁出差。
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
最适合追求技术成长、不介意出差驻场、希望在AI工程化领域快速积累经验的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展85
工作生活35
使命价值75
薪资福利
60中等
薪资未披露，但大厂技术专家岗位通常有竞争力，出差较多可能影响稳定性。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
85较高
职位涉及前沿AI技术，有大量工程化实践机会，能大幅提升技术深度。
技术前沿前沿/新兴技术
技术栈Python、Go、Java、Docker、Kubernetes、AI Agent、RAG、Prompt Engineering、LLM、vLLM、TensorRT-LLM
业务类型ambiguous
工作生活
35较低
需频繁出差/驻场，现场办公为主，工作节奏和地点不稳定。
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
75中等
AI落地赋能传统行业，有一定行业意义，且处于高速增长赛道。
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
用友网络 的其他在招职位
相似职位推荐
Watch Jobs