歌尔股份
Agent平台专家(049469)
Agent平台专家(049469)
发布于 大约 14 小时前普通员工/个人贡献者
北京市 / 上海市
高级经验
全职员工
仅现场办公
本科
架构师
Llamaindex
Prompt Engineering
Rag
分布式系统
Agent开发框架
AI 估算 · 40k–80k
北京/上海高级AI专家薪资较高，结合8年以上经验与核心技术栈，市场竞争力强，预估月薪4-8万。
职位详情
关于这个职位
该职位负责企业级Agent开发框架的架构设计与核心实现，涵盖感知-规划-执行-反思全链路
需要深入掌握LangChain等主流框架，精通RAG、提示词工程与模型微调，并构建Agent可观测性与评估体系
适合具有8年以上后端经验、热衷AI前沿技术并具备攻坚能力的资深工程师
最低要求
编码能力：计算机科学或相关专业本科以上学历，精通Python/Java等至少一门语言，拥有8年以上后端或分布式系统开发经验
大模型应用经验：
)、框架与工具链：深度掌握 LangChain、LlamaIndex等主流Agent框架的源码与原理，有实际的二次开发或深度定制经验
)、提示词工程与微调：精通高级Prompt Engineering技巧（如CoT思维链、ReAct、ToT等），具备通过Few-shot Learning或SFT（监督微调）优化模型在特定领域表现的实战经验
)、RAG与向量技术：精通RAG（检索增强生成）全链路优化，包括文档切分、Embedding模型选择、混合检索策略及重排序算法
熟悉 Milvus、Elasticsearch 等向量数据库的生产级应用
Agent开发架构与落地经验：具备Agent开发架构设计和落地经验(长期记忆、规划、工具调用、状态管理、多智能体协作等)，具备Agent可观测性与评估落地经验
问题解决能力：具备团队精神，热衷于解决模糊、开放性的问题，能从混乱中定义清晰的技术路径，并推动实施
工作职责
Agent架构设计与开发：负责企业级Agent开发框架（感知-规划-执行-反思）的设计与核心代码实现，融合Agent设计模式，为AI应用开发团队提供可复用开发框架
工程化基础设施建设：负责Agent“可观测、可评估"体系建设
从"Agent应用、网关、大模型推理”实现端到端全链路追踪
利用LLM-as-a-Judge或规则引擎，建立对Agent规划能力、工具调用准确率的自动化测试与回归流水线
核心难点攻关：负责Agent落地过程中出现的技术卡点，包括：任务规划的“确定性”、 复杂工具调用的“可靠性”、 动态记忆与长上下文管理的”精准性“、Agent输出的”稳定性“
技术规范与赋能：制定Agent开发标准，推动应用开发团队技术落地
跟进前沿技术，进行选型与内化
AI 洞察
优缺点分析
优点
- 平台型岗位：负责企业级框架设计和规范制定，影响力覆盖多个应用团队，职业价值高
- 实战场景丰富：需解决真实业务中的复杂问题，技术能力和解决问题能力都能得到显著锻炼
- 上市公司背景：歌尔股份为大型制造企业，业务稳定，IT团队可依托大规模场景落地AI
- 技术门槛高：要求对Agent框架、RAG、提示词工程等有深入理解，同时需具备8年以上的后端经验
缺点 / 挑战
- 前沿技术领域：Agent是当前AI应用的热点，技术挑战大，个人成长空间广阔
- 工作压力大：负责核心技术攻关，职责范围广，需要解决模糊问题，可能面临高强度工作
- 跨部门协同复杂：需要推动应用开发团队落地标准，对沟通和影响力要求较高
- 适合拥有深厚后端功底、对AI前沿技术充满热情、乐于挑战复杂问题并希望在大平台发挥技术影响力的资深工程师
角色解读
- 技术深耕方向：成为Agent平台领域的资深专家，主导企业级AI基础设施的架构演进
- 转型技术管理：积累团队赋能和标准制定经验，逐步向技术经理或架构管理岗位发展
- 跨领域拓展：基于大模型应用经验，可拓展至MLOps、AI平台产品化等更高价值方向
- 设计并实现企业级Agent开发框架，涵盖感知、规划、执行、反思等核心模块，为AI应用团队提供可复用的基础能力
- 构建Agent的可观测性与评估体系，实现全链路追踪、自动化测试和回归流水线，保障Agent在生产环境的稳定性和可靠性
- 攻克Agent落地中的技术难点，如任务规划确定性、工具调用可靠性、长上下文管理精准性等，推动核心技术突破
- 制定Agent开发标准并赋能内部团队，同时负责前沿技术的选型和内化，保持技术领先性
- 精通Python或Java，具备8年以上后端或分布式系统开发经验，能驾驭复杂系统架构
- 深度掌握LangChain、LlamaIndex等主流Agent框架，有源码级理解或二次开发经验
- 精通RAG全链路优化，熟悉向量数据库（如Milvus、Elasticsearch）的生产级应用
- 具备Agent架构设计、可观测性评估经验，以及解决模糊问题的能力
申请策略
- 关注歌尔股份的AI落地方向，了解制造业场景下Agent应用的潜在场景，增加业务理解
- 准备一份技术深度较深的作品集或博客，展示对Agent生态的独特见解，提升专业形象
- 突出LangChain、LlamaIndex等框架的源码级理解或二次开发经历，用具体项目展示定制能力
- 强调RAG全链路优化实战，包括文档切分、Embedding选择、混合检索、重排序等环节的量化成果
- 展示Agent可观测性/评估体系的落地经验，如全链路追踪、自动化测试流水线的设计与实施
- 体现8年以上后端或分布式系统开发经验，突出复杂系统架构设计或个人贡献
- 深入学习Agent架构设计模式，如ReAct、Plan-and-Execute、多智能体协作等，并通过开源项目实践
- 强化RAG生产化知识，熟悉向量数据库的调优和运维，了解最新检索技术
面试指南
- 对于技术对比题：先陈述各自核心思想，再结合具体场景说明选择依据，最后强调你的定制化方案
- 对于项目描述题：使用STAR法则，背景-任务-行动-结果，量化结果，突出个人贡献和思考
- 对于模糊问题解决题：展示结构化思维，从目标拆解、技术选型、风险控制到实施计划，强调逻辑性
- 请简述LangChain与LlamaIndex的设计差异，并说明你如何基于模块做深度定制？
- 在RAG系统中，如何平衡检索召回率与准确性？请结合一个项目案例说明优化过程
- 如何设计Agent的可观测性体系？哪些关键指标需要监控？
- 给定一个模糊的Agent落地需求，你会如何拆解并定义技术方案？
- 请描述一次你解决复杂技术卡点的经历，用了哪些方法？
职位点评
74
综合评分
前沿AI技术岗，发展空间大，但工作强度与方式未明确。
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
最适合追求技术深度、渴望在AI前沿领域不断提升的资深工程师，但需接受现场办公和潜在较高工作强度。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展90
工作生活60
使命价值75
薪资福利
70中等
该职位薪资未明确披露，但基于高技术门槛和市场需求，薪资水平预计在市场中具有竞争力，补偿性动机有一定满足。
薪资信号未披露（AI估算：40K-80K/月）
成长发展
90较高
该职位处于AI前沿领域，技术挑战大，成长空间广阔，并且能参与企业级平台建设，发展性动机能够得到充分满足。
技术前沿前沿/新兴技术
技术栈LangChain、LlamaIndex、RAG、Prompt Engineering、SFT、Agent
业务类型ambiguous
工作生活
60中等
工作地点为北京、上海，要求现场办公，未提及远程或弹性工作，也无明确WLB信号，生活化动机满足程度一般。
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
Agent领域属于高速增长赛道，技术应用前景广阔，但职位本身未强调社会价值，意义感动机中等偏上。
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
歌尔股份 的其他在招职位
相似职位推荐
Watch Jobs