CXMT logo
长鑫存储
PDK开发工程师-PDK Development Engineer(J21786)

PDK开发工程师-PDK Development Engineer(J21786)

发布于 2 小时前

普通员工/个人贡献者

AI 估算 · 2.5–4.5万 · AI 参考估算
中级经验
学历未注明
全职员工仅现场办公半导体封装测试
半导体封装测试
CI/CD
Eda工具
Prompt工程
Rag
大模型Agent

值不值得投

71综合评分

综合评分 71

半导体PDK自动化岗位,AI技术前沿、行业价值强,办公与福利信息待确认。

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

比半导体封装测试中位数低

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 1980 个在招 · 其中半导体封装测试 12 个

市场机会

选择适中

合肥 · 半导体封装测试 · 11 个在招

职位详情

关于这个职位

该岗位面向芯片设计工具链与PDK自动化,重点使用大模型、Agent、RAG和Python构建代码生成、知识问答、日志分析及回归流水线

你还将结合晶圆测试数据开展机器学习建模,推动工艺、器件、版图、测试等团队协作自动化

最低要求

专业技能与资格:能使用Python完成复杂软件开发,具备自动化工具、数据处理平台或CI/CD系统的开发能力

能使用大模型进行Agent编排、ToolCalling、RAG或Prompt工程,能独立完成代码生成与评测
行业与专业经验:具有芯片设计流程认知或EDA工具(Cadence、Synopsys、Mentor)使用经验,能使用Tcl/Perl/Shell脚本
其他要求:具有流程梳理与自动化机会识别能力,能独立推动项目从规划到闭环落地
具有强学习能力,能在半导体等硬科技领域快速深入

工作职责

AI Agent研发与自动化流程:利用大模型构建代码生成Agent,主导PDK自动化脚本编写与回归流水线搭建,落地Skill脚本用例生成与日志分析,提升芯片设计工具链AI化水平

智能知识库与技术支持:建设RAG知识库与问答Agent,自动解析EDA工具报错并初筛根因,推动Release Note、使用手册等文档的自动化生成、校对与翻译
制造数据分析与模型优化:使用机器学习分析晶圆测试数据(WAT/PCM),识别异常模式,缩小仿真与实测偏差,提升良率预测能力
跨团队协作与经验沉淀:与工艺、器件、版图、测试团队对接,将专家经验封装为可复用Agent工作流,推动晶圆数据分析等场景的全流程自动化

优先资格

有日志分析、异常检测或工业数据建模经验者优先

AI 洞察

优缺点分析

优点

  • 岗位结合大模型Agent与半导体PDK流程,技术场景新且具备较强差异化积累
  • 能接触EDA工具链、晶圆测试数据、工艺与器件协作,适合构建硬科技行业复合能力
  • 工作内容覆盖自动化、知识库、数据分析和流程落地,成果较容易在研发效率上体现
  • 地点覆盖上海和合肥,便于在半导体研发与制造场景中积累跨区域协作经验
  • 需要同时理解AI工程、软件开发和半导体设计制造流程,学习跨度较大
  • PDK、EDA日志和晶圆数据具有较强专业性,问题定位与效果评测可能耗时较长
  • 跨团队推动自动化落地需要持续沟通,专家经验沉淀和流程标准化存在复杂度
  • 适合具备Python工程和大模型应用经验,同时愿意深入半导体EDA、PDK和制造数据场景的技术型求职者

缺点 / 挑战

暂无明显挑战项

角色解读

  • 可向半导体EDA自动化专家方向发展,深耕PDK、工具链、脚本自动化和AI辅助设计流程
  • 可向AI工程化平台方向成长,负责Agent框架、知识库、评测体系和研发效能平台建设
  • 长期可发展为跨工艺、器件、测试数据的智能制造与良率分析技术负责人
  • 构建面向PDK开发的大模型Agent和代码生成工具,自动化编写Skill脚本、生成用例并搭建回归流水线
  • 建设RAG知识库和问答Agent,解析EDA工具报错、初筛根因,并推动文档自动生成、校对和翻译
  • 基于WAT/PCM等晶圆测试数据进行机器学习分析,识别异常模式并辅助良率预测与仿真偏差优化
  • 与工艺、器件、版图、测试团队协作,把专家经验沉淀为可复用的自动化工作流
  • 需要较强的Python工程能力,能够开发复杂自动化工具、数据处理平台或CI/CD系统
  • 需要掌握大模型Agent编排、ToolCalling、RAG、Prompt工程和代码生成评测方法
  • 需要理解芯片设计流程或EDA工具使用,熟悉Cadence、Synopsys、Mentor等工具之一更有优势
  • 需要掌握Tcl/Perl/Shell脚本,并具备日志分析、异常检测或工业数据建模经验

申请策略

  • 申请前建议了解长鑫存储在存储芯片制造、工艺迭代和研发自动化方面的业务背景
  • 面试中尽量用具体项目说明如何识别自动化机会、衡量效率提升并处理跨团队阻力
  • 突出Python复杂软件开发经历,尤其是自动化工具、数据处理平台、CI/CD流水线或内部研发效能项目
  • 重点展示Agent编排、ToolCalling、RAG、Prompt工程、代码生成与评测相关项目,说明业务效果和评测指标
  • 如有EDA、芯片设计流程、Tcl/Perl/Shell、日志分析或异常检测经验,应放在显眼位置
  • 强调从需求梳理到项目闭环落地的能力,尤其是跨团队协作和流程自动化经验
  • 可补充RAG知识库、Agent工具调用、代码生成评测和日志根因分析的小型端到端项目
  • 可学习PDK基础、EDA工具链基本流程和WAT/PCM数据含义,提升与半导体团队沟通效率

面试指南

  • 技术方案类问题按“目标—架构—数据—评测—落地效果”展开,强调可验证指标
  • 项目经历类问题用STAR结构,重点说明个人职责、技术选择、失败复盘和最终收益
  • 跨团队问题按“需求澄清—流程拆解—试点验证—标准化推广—持续维护”回答
  • 你如何设计一个面向PDK脚本生成的代码生成Agent,并评测生成代码的正确率?
  • RAG知识库中如何处理EDA工具报错日志、Release Note和使用手册这类非结构化文档?
  • 请介绍你使用Python开发自动化工具或CI/CD流水线的经历,遇到的最大难点是什么?
  • 如果WAT/PCM数据存在噪声和分布漂移,你会如何做异常检测和良率预测?
  • 你如何与工艺、器件、版图、测试团队协作,把专家经验沉淀为可复用工作流?

职位点评

薪资福利72
成长发展88
工作生活45
使命价值76

薪资福利

72中等

JD未披露薪资与福利信息,但从岗位技术复合度和职责范围看,补偿吸引力存在不确定性,需要面试确认。

薪资信号未披露(AI估算:2.5千–4.5万/月)

成长发展

88较高

岗位涉及大模型Agent、RAG、代码生成、EDA工具链和晶圆数据建模,技术成长空间较强,且强调跨团队经验沉淀。

技术前沿前沿/新兴技术
技术栈Python、大模型、Agent、ToolCalling、RAG、Prompt工程、CI/CD、EDA、机器学习、WAT/PCM
成长机会经验沉淀、可复用Agent工作流、全流程自动化
业务类型ambiguous

工作生活

45较低

JD未明确办公模式、弹性安排或加班情况,仅能判断工作地点覆盖上海和合肥,生活化动机满足程度暂不清晰。

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

76中等

岗位服务于芯片设计工具链AI化、晶圆数据分析和良率预测,对半导体研发效率与制造质量有较强正向价值。

行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号提升芯片设计工具链AI化水平、提升良率预测能力、推动晶圆数据分析等场景的全流程自动化
创新程度积极采用新技术
Watch Jobs