智元机器人
【共创】Java开发工程师
【共创】Java开发工程师
发布于 大约 8 小时前普通员工/个人贡献者
深圳市
中级经验
全职员工
仅现场办公
学历未注明
软件工程
Java 17
Langgraph
Llm
Rag
Spring Boot 3.X
AI 估算 · 35k–55k
深圳AI Agent方向Java开发，技术栈前沿紧缺，中级以上经验，B轮公司，薪资有竞争力，中位数约45K/月。
职位详情
关于这个职位
该职位是智元机器人公司的Java开发工程师，负责构建LLM Agent系统，涉及多模态输入、意图识别、多轮对话、工具调用和任务规划
您将设计Agent Runtime、会话管理、RAG全链路以及Multi-Agent协作架构，并推动LLM工程化落地与评测闭环
适合有丰富Java开发经验且对AI Agent技术栈有深入实践的工程师
最低要求
年以上 Java 17+ 开发经验
精通 Spring Boot 3.x
熟悉 Spring Statemachine
熟练 Redis、MySQL/RDS
掌握 Kafka/RocketMQ、OkHttp、SSE、JUnit 5
深入使用过 LangChain / LangChain4j / LangGraph 任一
熟悉 ReAct、Plan-and-Execute、Reflection 等范式
有 Function Calling 工程落地经验
熟悉主流 LLM（OpenAI、Claude、豆包、通义、DeepSeek 等）的流式与结构化输出
掌握 Chunking → Embedding → 检索 → Rerank → 生成 全链路
熟练至少一种向量库（Milvus / Qdrant / ES-KNN / PGVector）
熟悉 Hybrid Search、Query 改写、HyDE
能设计 RAG 评测指标（Recall@K、Faithfulness 等）
理解 Supervisor、Hierarchical、Swarm、Pipeline 等协作模式
有 LangGraph / AutoGen / CrewAI 或自研调度框架落地经验
能处理循环、超时、打断、状态一致性、并发与兜底
扎实的系统设计能力
分层架构意识
重视单测、文档与可观测性
良好的跨团队协作能力
工作职责
负责 LLM Agent 端到端设计与落地：多模态输入、意图识别、多轮对话、工具调用、任务规划
设计 Agent Runtime、会话上下文、结构化 Memory 与状态机驱动的对话/任务编排
建设 RAG 全链路：文档解析、向量化、混合检索、重排序、生成，持续提升命中率与答准率
设计 Multi-Agent 协作：路由、任务拆解、工具调用、结果聚合与失败兜底
LLM 工程化：Prompt 版本化、结构化输出、幻觉防御、成本与延迟优化
搭建离线评测与在线指标体系，推动 Bad Case 闭环
优先资格
多模态（ASR/VLM/TTS）融合经验
Spring AI / LangChain4j 深度实践
LLM 推理部署（vLLM/SGLang）经验
Agent 评测框架建设经验
GitHub / 技术博客高质量输出
AI 洞察
优缺点分析
优点
- 接触前沿的LLM Agent技术栈，提升在AI领域的核心竞争力
- 公司处于B轮高速发展期，技术投入大，有较多创新空间
- 深圳地区AI岗位薪资高，且附带股权潜力
- 工作内容涵盖从工程到算法，综合能力锻炼机会多
- 团队可能处于快速扩张期，工作节奏较快，需要较强的自驱力
- 适合3年以上Java开发经验、对AI Agent技术有浓厚兴趣、愿意深入钻研大模型工程化的工程师
缺点 / 挑战
- 技术栈更新快，需要持续学习最新框架和模型，学习压力大
- Agent系统复杂度高，稳定性与效果优化挑战大，需解决幻觉等问题
角色解读
- 技术深度方向：成为LLM Agent架构专家，主导复杂多智能体系统设计
- 技术广度方向：拓展多模态、模型部署等能力，转型AI全栈工程师
- 管理方向：积累项目经验后晋升为技术Leader，带领Agent团队
- 设计和实现LLM Agent系统，处理多模态输入、意图识别、多轮对话和任务规划
- 构建RAG全链路，包括文档解析、向量化、检索、重排序和生成，优化命中率和准确率
- 实现Multi-Agent协作模式，如路由、任务拆解、工具调用、结果聚合与异常处理
- 负责LLM工程化，包括Prompt管理、结构化输出、幻觉防御、成本与延迟优化
- 精通Java 17+和Spring Boot 3.x生态，熟悉消息队列和数据库
- 深入掌握LangChain/LangGraph等Agent框架和ReAct等范式
- 熟悉RAG全链路技术和向量数据库，能够设计评测指标
- 具备扎实的系统设计能力和分层架构意识，重视测试和文档
申请策略
- 在面试中重点展示对Agent架构的思考，如如何处理状态一致性和失败兜底
- 了解智元机器人的业务方向（具身智能？），尝试将Agent与机器人场景结合思考
- 突出Java 17+和Spring Boot 3.x的项目经验，尤其是高并发、分布式系统设计
- 详细描述使用LangChain/LangGraph等框架搭建Agent或RAG系统的实际案例，包括技术选型和效果
- 强调向量数据库和检索优化经验，提供Recall@K等指标数据
- 附上GitHub或技术博客链接，展示对LLM或Agent的深度理解
- 系统学习LangGraph、AutoGen等Agent编排框架，并动手实践一个Multi-Agent项目
- 深入理解RAG全链路，熟悉至少一种向量库的部署与调优
面试指南
- 对于设计类问题，采用“需求分析-技术选型-架构设计-细节实现”的结构，突出分层和可扩展性
- 对于优化类问题，先说明基准指标，再讲具体优化方法如查询改写、重排序、缓存等，最后展示效果提升
- 对于故障处理类问题，先分析可能的问题原因，再讲解决方案如超时重试、状态持久化、补偿机制等
- 请描述你如何设计一个支持多轮对话的Agent Runtime？
- 在RAG系统中，如何平衡检索速度和准确性？你用过哪些优化手段？
- Multi-Agent协作中如何处理超时和状态一致性？请举例说明
- 如何在Prompt中控制结构化输出？你遇到过哪些幻觉问题？
- 你有用过Spring Statemachine吗？如何用它来编排对话状态？
职位点评
73
综合评分
前沿AI Agent技术栈、高成长空间，但工作强度可能较大、WLB未明确。
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
该职位最适合重视技术成长和前沿探索的求职者，能接受一定的工作强度和现场办公。
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70
薪资福利
75中等
该职位薪资具有竞争力，但未明确提及福利。深圳地区AI工程师薪资普遍较高，公司B轮融资，有股权可能。
薪资信号未披露（AI估算：35K-55K/月）
成长发展
90较高
职位技术栈前沿，涉及LLM Agent、RAG、Multi-Agent等热门方向，有大量学习成长机会。要求中提到重视文档与可观测性，暗示有良好工程实践。
技术前沿前沿/新兴技术
技术栈Java 17、Spring Boot 3.x、LangChain、LangGraph、RAG、Milvus、Qdrant、LLM、Agent、Multi-Agent
业务类型profit_center
工作生活
50较低
工作地点为深圳现场办公，未提及弹性工作或WLB，可能属于高强度开发岗位。
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
智能机器人行业属于高速增长赛道，Agent技术有明确商业价值，社会影响力中性偏正面。
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
智元机器人 的其他在招职位
相似职位推荐
Watch Jobs