长鑫存储
AI开发工程师-AI Engineer(J21325)
AI开发工程师-AI Engineer(J21325)
发布于 1 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
Ai Agent
Rag
Vue.Js
向量数据库
大模型Api
值不值得投
72综合评分
综合评分 72
半导体巨头AI全栈交付岗，前沿技术栈、业务成长空间大，但需适应现场交付节奏。
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
2.3万
比人工智能中位数低
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 1850 个在招 · 其中人工智能 17 个
市场机会
选择面较广
合肥 · 人工智能 · 60 个在招
职位详情
关于这个职位
该职位主要负责将客户业务需求转化为AI技术方案，进行前后端全栈开发与AI Agent集成，并负责系统的现场部署交付与问题攻坚，最终通过量化验证驱动产品持续迭代
最低要求
计算机科学与技术、软件工程、信息管理与信息系统等相关专业，本科及以上学历
具备扎实的计算机基础，熟悉数据结构与算法、操作系统、网络等核心知识，理解系统设计模式与软件工程最佳实践
精通至少一种后端语言（Java/Python/Go/Node.js），熟悉前端技术栈（Vue.js/React/TypeScript），掌握数据库设计与优化、API设计、微服务架构，熟悉CI/CD、容器化等工程实践，了解主流中间件（Kafka / RocketMQ）、关系型数据库（MySQL / PostgreSQL）及缓存（Redis）的基本使用，熟悉 Docker，K8s 等容器化技术及应用部署
年以上全栈开发或ToB交付经验，其中1年以上AI相关系统开发或交付经验
具备从需求调研、方案设计到部署交付的全链路项目经验，有在复杂客户环境中独立完成系统部署与问题排查的经验，熟悉大模型API集成与AI应用开发
主导或核心参与过至少2个完整项目的全栈开发
工作职责
需求洞察与方案设计：深入客户业务一线，将模糊的业务痛点拆解为可落地的技术方案
独立完成需求调研、系统集成方案及部署方案的设计
全栈定制开发与集成：基于客户需求，独立完成前后端全栈功能开发与系统集成
负责AI Agent的设计与开发，集成大模型API、RAG、向量数据库等能力，实现跨系统数据读写、流程触发与任务执行
部署交付与技术攻坚：完成系统部署与集成
现场定位并解决性能、数据、接口等各类复杂技术问题，对交付质量和系统稳定运行负责
价值验证与产品反哺：以客户核心指标为导向，量化验证AI方案的实际业务效果
将一线洞察与共性需求反馈给研发团队，提炼可复用的解决方案模板与组件，驱动产品持续迭代
优先资格
有AI平台/大模型应用系统开发经验者优先
AI 洞察
优缺点分析
优点
- 处于AI大模型落地的核心前沿，能积累丰富的ToB业务场景与大模型应用实战经验
- 依托超大型半导体企业平台，业务场景复杂，有利于技术深度与广度的双重提升
- ToB定制化需求多，需要在标准化产品与个性化需求之间寻找平衡，对沟通与架构能力要求高
- 适合具备全栈开发基础、对AI大模型落地有热情，且具备较强客户沟通与现场问题解决能力的复合型技术人才
缺点 / 挑战
- 需要频繁深入客户业务一线并负责现场部署交付，可能面临较高的出差频率和现场突发技术问题的压力
角色解读
- 从AI全栈交付工程师向AI解决方案架构师或AI产品技术专家发展
- 积累深厚的ToB行业Know-how与大模型落地经验，成为企业数字化转型的核心技术骨干
- 深入客户业务一线调研需求，将模糊痛点拆解为可落地的AI技术方案
- 负责前后端全栈开发及AI Agent、大模型API、RAG等核心能力的集成与开发
- 负责系统的现场部署交付，排查并解决性能、数据、接口等复杂技术问题
- 量化验证AI方案的业务效果，提炼可复用组件并反哺产品持续迭代
- 扎实的全栈开发能力，精通Java/Python等后端语言及Vue/React等前端框架
- 熟悉大模型API集成、RAG架构、向量数据库及AI Agent开发
- 具备ToB项目交付经验，能独立完成复杂客户环境下的系统部署与问题排查
申请策略
- 了解长鑫存储的业务背景及半导体行业的数字化转型痛点，准备针对性的AI落地场景案例
- 突出全栈开发能力与AI大模型应用（如RAG、AI Agent）的实际项目经验
- 强调ToB项目交付、现场部署及复杂问题排查的成功案例
- 展示量化验证业务效果及反哺产品迭代的实际成果
- 深入学习大模型API调用、RAG架构优化及向量数据库的高级应用
- 提升ToB客户沟通技巧与复杂系统架构设计能力
面试指南
- 采用STAR法则（情境、任务、行动、结果），重点突出技术选型的思考过程、解决复杂问题的排查思路，以及最终带来的业务价值（量化指标）
- 请分享一个你主导的从需求调研到部署交付的完整AI全栈项目，遇到了哪些技术难点？
- 在集成大模型API和RAG时，你是如何优化检索准确率和响应延迟的？
- 面对客户模糊的业务痛点，你通常如何将其拆解为可落地的技术方案？
- 在现场部署交付时，遇到过最复杂的性能或接口问题是什么，如何解决的？
- 复习大模型应用开发的核心技术栈（如LangChain、向量数据库原理）
- 准备2-3个具有代表性的ToB交付项目案例，梳理其中的技术难点与业务收益
职位点评
薪资福利75
成长发展85
工作生活50
使命价值70
薪资福利
75中等
长鑫存储作为超大型半导体企业，薪资福利体系相对完善，合肥地区AI岗位薪资具备一定竞争力，但具体薪资未披露。
薪资信号未披露（AI估算：1.5千–3万/月）
成长发展
85较高
岗位涉及大模型API、RAG、AI Agent等前沿技术，且要求深入业务一线，能极大提升技术广度与业务深度。
技术前沿前沿/新兴技术
技术栈AI Agent、大模型API、RAG、向量数据库、Java、Python、Vue.js、React、Docker、K8s
成长机会驱动产品持续迭代
业务类型profit_center
工作生活
50较低
岗位需要深入客户一线、现场部署交付，可能涉及较多出差和现场支持，WLB可能受限，JD未明确说明办公模式。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
70中等
推动AI大模型在传统制造业/半导体行业的落地，具有一定的产业赋能价值，但JD未明确强调社会使命。
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
长鑫存储 的其他在招职位
相似职位推荐
Watch Jobs