智元机器人
Agent 应用开发工程师（FDE ）
Agent 应用开发工程师（FDE ）
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人工智能
人工智能
Agent架构
Ai编程工具
Llamaindex
Llm应用开发
Prompt Engineering
Rag
原型开发
技术交付
机器人系统集成
值不值得投
73综合评分
综合评分 73
前沿大模型与具身智能交叉赛道，技术成长空间大，侧重现场交付与产品化落地
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
3.5万
与人工智能中位数基本持平
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 1540 个在招 · 其中人工智能 14 个
市场机会
选择面较广
上海 · 人工智能 · 约 360 个在招
职位详情
关于这个职位
负责基于大语言模型开发Agent应用与场景工具，深入使用AI编程工具完成需求拆解至代码交付的全流程
需设计任务规划、多轮对话编排及机器人系统集成层，构建RAG知识库与评测体系，并将现场交付经验沉淀为可复用产品能力，直接面向客户真实业务需求进行快速原型迭代
最低要求
硕士及以上，计算机 / 软件工程 / 人工智能等相关专业
深度使用 AI 编程工具（Codex/Claude Code / Cursor / GitHub Copilot 等）进行日常开发，有驱动 AI 完成「需求拆解 → 代码生成 → 调试修复」全流程的实战项目经验，而不只是代码补全
有 LLM 应用开发经验（实习 / 竞赛 / 个人项目均可）：Agent、RAG、Prompt Engineering 至少一个方向，了解 LangChain / LlamaIndex 等框架
具备产品思维与客户视角，能在模糊需求下快速判断方案性价比并独立交付
工作职责
面向客户现场的真实业务需求，用 AI 工具快速构建 Agent 应用与场景工具：从需求对接到可用原型设计、验证、迭代
设计并开发大模型 Agent 应用：任务规划、工具调用、多轮对话编排，让机器人听得懂任务、调得动技能
开发 Agent 与机器人系统的集成层：技能插件封装、动作 API 对接、状态反馈与异常处理，打通从语言指令到机器人执行的链路
构建场景化 RAG 知识库与效果评测体系：业务文档接入、检索调优、Prompt 工程与评测集建设，用数据驱动任务完成率持续提升
沉淀可复用的交付资产：Agent 模板、提示词库、场景解决方案组件，把一次性现场经验转化为可复制的产品能力
AI 洞察
优缺点分析
优点
- 切入具身智能与大模型应用交叉赛道，技术栈极具前沿性与稀缺性
- 直面客户真实场景，能快速积累高价值交付经验与行业Know-how
- 公司处于B轮融资期，成长空间大且技术决策灵活
- 需频繁出差或驻场客户现场，工作节奏可能随项目交付节点波动
- Agent与机器人底层协议对接存在较多未知Bug，调试周期长
- 适合热爱AI前沿技术、具备强自驱力与抗压能力，且愿意深入一线解决复杂工程问题的复合型开发者
缺点 / 挑战
- 模糊需求下的独立交付压力较大，需兼顾技术实现与产品商业价值平衡
角色解读
- 可向AI应用架构师或大模型技术负责人方向发展，深耕Agent生态与具身智能交叉领域
- 也可转向AI产品技术负责人，主导商业化落地与标准化产品矩阵建设
- 长期可探索具身智能算法与端侧部署的前沿研究
- 负责大模型Agent应用的架构设计与开发，利用AI编程工具高效完成从需求分析到代码交付的全流程
- 搭建Agent与实体机器人的集成接口，实现语音/文本指令到物理动作的精准映射
- 构建基于RAG的场景知识库与评测体系，持续优化任务执行准确率
- 精通大语言模型应用开发框架（如LangChain/LlamaIndex），熟练掌握Prompt Engineering与RAG架构设计
- 具备深厚的Python/C++编程基础，能熟练运用Cursor/Copilot等AI辅助编码工具提升开发效能
- 理解机器人操作系统及API对接，具备跨模态交互逻辑设计能力
申请策略
- 提前调研智元机器人最新产品动态与技术路线，面试时准备1-2个完整的Agent落地案例
- 展现对“技术交付+产品思维”双重视角的深刻理解，避免纯理论堆砌
- 突出LLM应用开发实战项目，重点展示Agent架构设计、RAG检索优化及Prompt调优的具体指标
- 强调使用AI编程工具提效的成果，量化代码生成覆盖率或调试时间缩短比例
- 补充机器人系统集成或API对接的项目经验
- 深入掌握LangChain/LlamaIndex核心模块原理，熟悉向量数据库与检索增强技术
- 学习ROS基础及常见机器人控制协议，提升软硬件联调能力
- 强化项目管理与客户需求沟通能力，培养技术方案的商业评估意识
面试指南
- 采用STAR法则结构化回答，清晰界定背景、目标、行动与结果
- 针对技术问题，先讲架构选型依据，再分步骤说明调试过程与数据验证方法，最后总结可复用的方法论
- 结合具体业务场景说明技术决策的商业考量
- 请分享一个你主导的LLM Agent项目，你是如何设计任务规划与工具调用逻辑的？
- 在RAG系统中遇到检索不准或幻觉问题时，你的排查与优化思路是什么？
- 面对客户模糊的业务需求，你如何快速输出可验证的原型方案？
- 如何评估AI编程工具在实际工程中的可靠性与局限性？
- 复习主流Agent框架的核心组件与最佳实践，准备RAG性能优化（如分块策略、重排序、混合检索）的技术细节
职位点评
薪资福利75
成长发展85
工作生活55
使命价值70
薪资福利
75中等
薪资处于上海AI研发市场中上水平，B轮公司通常提供具有竞争力的薪酬包，但福利细节未明确披露。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
85较高
岗位深度绑定大模型与具身智能前沿技术，提供丰富的Agent架构设计与现场交付实战机会，技术成长曲线陡峭。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RAG、Prompt Engineering、LangChain、LlamaIndex、AI编程工具
业务类型ambiguous
工作生活
55较低
需面向客户现场开展需求对接与原型验证，可能涉及出差或驻场，工作模式以现场办公为主，WLB受项目交付周期影响较大。
工作模式未明确
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
致力于将AI技术赋能实体机器人，推动具身智能落地真实业务场景，具有明确的产业应用价值与社会意义。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs