智元机器人
AI 平台工程师-Genie业务部
AI 平台工程师-Genie业务部
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公后端开发
后端开发
Go
Llamaindex
Rag
向量数据库
微服务架构
值不值得投
77综合评分
综合评分 77
核心AI基础设施研发岗，技术栈前沿且极具挑战，薪资竞争力强，适合追求技术成长的工程师。
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。
薪资怎么样
4.5万
比后端开发中位数高
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 1490 个在招 · 其中后端开发 4 个
市场机会
选择面较广
上海 · 后端开发 · 约 230 个在招
职位详情
关于这个职位
该职位主要负责企业级AI Agent平台的核心后端研发，涵盖Agent编排、RAG系统优化及高并发微服务架构设计
你需要运用Go/Python等语言及云原生技术，打造高性能、低延迟的多模态AI交互基础设施
最低要求
学历背景：计算机、软件工程或相关专业本科及以上学历，具备扎实的计算机理论基础（数据结构、算法、操作系统、网络）
编程基础：精通至少一门后端开发语言（Go / Python / TypeScript / Java），代码风格良好，熟悉常见设计模式
AI工程化经验：熟悉 LangChain、LlamaIndex 等主流AI开发框架
理解 RAG（检索增强生成）原理，有向量数据库使用经验者优先
对 Agent（智能体）、Function Calling、Prompt Engineering 有实际项目经验者优先
数据库与中间件：熟练使用关系型数据库（PostgreSQL/MySQL）和NoSQL数据库（Redis/MongoDB），了解消息队列（Kafka/RabbitMQ/SQS）的使用场景
云原生技术栈：熟悉 Docker 容器化技术，了解 AWS/GCP/Azure 等云平台服务，有 Linux 环境开发经验
综合素质：对AI技术有极高的热情，具备良好的沟通能力和团队协作精神，有较强的自我驱动力和问题解决能力
工作职责
AI Agent平台研发：参与企业级AI Agent平台的核心后端开发，负责Agent编排、技能（Skill）管理、记忆模块及工具调用（Tool Use）等核心功能的架构设计与实现
高可用后端服务：基于微服务架构（如Go/TypeScript/Python），设计并开发高性能、高并发的RESTful/gRPC API，支撑上层AI应用的稳定运行
RAG与数据处理：负责非结构化数据的清洗、ETL流水线建设，以及基于向量数据库（如ChromaDB, Milvus）的检索增强生成（RAG）系统优化，提升知识库问答的准确率
云原生与基础设施：参与CI/CD流水线建设，利用Docker、Kubernetes及IaC工具（如Terraform）实现服务的自动化部署与运维，保障系统的可扩展性
多模态与流式处理：探索并实现基于WebSocket或SSE的实时流式数据传输，优化语音、文本等多模态数据的低延迟交互体验
优先资格
有全栈开发经验（熟悉React/Vue/Next.js）
熟悉大模型微调（Fine-tuning）或预训练流程
在GitHub上有开源项目贡献，或在顶级会议发表过相关论文
AI 洞察
优缺点分析
优点
- 处于AI与大模型应用爆发的核心赛道，能接触到Agent、RAG等前沿AI工程化技术
- 需要同时具备扎实的后端工程能力与AI算法工程化经验，技术栈跨度大，学习曲线陡峭
- 具备扎实后端基础且对大模型应用开发有浓厚兴趣，渴望在AI基础设施领域深耕的工程师
缺点 / 挑战
- 参与企业级AI平台核心架构建设，技术挑战大，个人技术壁垒提升快
- 多模态与高并发场景下的性能优化和系统稳定性保障面临较高难度
角色解读
- 可向AI架构师或AI平台技术专家方向发展，深入大模型底层优化与复杂分布式系统设计
- 也可转型为AI产品技术负责人，统筹AI基础设施与业务落地
- 负责AI Agent平台的核心后端架构与开发，实现Agent编排、技能管理及工具调用等核心功能
- 构建高并发微服务与RAG数据处理流水线，优化多模态数据的实时流式交互体验
- 精通Go/Python/TypeScript等后端语言，熟练掌握微服务架构与云原生技术栈（Docker/K8s）
- 具备AI工程化能力，熟悉LangChain、RAG原理及向量数据库，了解大模型Agent开发
申请策略
- 了解智元机器人在具身智能和AI Agent领域的业务布局，准备一些关于如何将大模型能力与具体业务场景结合的思考
- 突出微服务架构设计、高并发系统开发经验，以及在RAG、Agent或向量数据库等AI工程化方面的实际项目落地成果
- 展示对Go/Python等语言的精通程度及云原生CI/CD实践经验
- 深入学习LangChain/LlamaIndex框架及RAG系统的进阶优化策略，熟悉WebSocket/SSE流式传输及多模态数据处理方案
面试指南
- 采用STAR法则，结合具体项目背景，阐述系统架构设计思路、遇到的技术难点（如延迟、并发、准确率）及解决方案，最后量化业务收益
- 如何设计一个高可用、高并发的AI Agent编排系统？
- 在RAG系统中，如何优化向量检索的准确率和召回率？
- 请描述一次你使用Go/Python处理高并发请求或流式数据传输的优化经验
- 如何设计Agent的记忆模块和工具调用（Function Calling）机制？
- 复习微服务架构、分布式系统设计及云原生部署知识，深入了解RAG和Agent的底层原理及主流开源框架的实现细节
- 准备1-2个自己主导的复杂后端或AI工程化项目案例，重点突出性能优化和架构设计能力
职位点评
薪资福利80
成长发展90
工作生活50
使命价值85
薪资福利
80较高
AI平台工程师属于当前市场热门的高薪技术岗位，结合上海/北京的地域因素，薪资竞争力较强。
薪资信号未披露（AI估算：3千–6万/月）
成长发展
90较高
岗位涉及Agent、RAG、多模态等前沿AI技术，技术栈现代且极具挑战性，能极大提升个人在AI工程化领域的核心竞争力。
技术前沿前沿/新兴技术
技术栈Go、Python、TypeScript、LangChain、LlamaIndex、RAG、Docker、Kubernetes、Terraform、ChromaDB、Milvus
业务类型ambiguous
工作生活
50较低
JD未明确提及工作模式与WLB相关信息，但AI核心研发岗位通常面临较高的技术挑战与项目压力，工作强度可能较大。
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
85较高
智元机器人处于具身智能与AI前沿赛道，推动AI Agent平台研发具有较高的行业前瞻性与技术使命感。
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