长鑫存储
AI Agent开发工程师（IT方向）-AI Agent Developer Engineer（IT）(J20476)
AI Agent开发工程师（IT方向）-AI Agent Developer Engineer（IT）(J20476)
发布于 大约 15 小时前普通员工/个人贡献者
合肥市
高级经验
全职员工
仅现场办公
本科
人工智能
Itsm
Llamaindex
Llm
Rag
AI 估算 · 25k–45k
职位详情
关于这个职位
作为长鑫存储的AI Agent开发工程师，你将主导企业级AI Agent核心场景的架构设计与落地，构建多Agent协作闭环，覆盖智能问答、告警分析、CMDB智能审核等场景
你将负责RAG全链路建设、系统集成与平台沉淀，并解决LLM幻觉控制与数据安全等前沿技术挑战
该岗位需要3年以上开发经验，并具备独立主导Agent项目端到端交付的能力
最低要求
教育背景与专业知识：本科及以上学历，计算机、软件工程、AI等相关专业
专业技能与资格：具备Python语言独立开发能力，能使用Java、Go或Node.js中的至少一门语言完成工程交付，能基于LangChain、LlamaIndex、AutoGen或CrewAI等框架独立设计Agent架构，能使用Milvus、Qdrant等向量数据库完成知识检索方案，能使用Docker、K8s与CI/CD流水线完成Agent服务化部署，能使用FastAPI或Flask设计高可用API，具备LLM部署与效果评测的实际操作能力
行业与专业经验：有3年以上开发经验，具备ITSM或ITIL运维流程背景者优先，有企业级ITSM平台使用经验者优先，有企业内部拟人化助手、智能客服或知识管理项目交付经验者优先
项目/任务成果：独立主导过至少1个Agent场景从需求梳理到上线交付的端到端全流程
其他要求：具有系统化架构设计能力，能输出规范的技术文档，能独立承担某一场景的交付Owner职责并推进闭环，能与产品、运维、安全等多团队协同推进，具备持续跟进AI前沿技术并完成技术调研与可行的评估方案
工作职责
Agent核心架构设计：主导企业级AI Agent核心场景的架构设计与落地交付，构建“理解→规划→执行→反馈”的多Agent协作闭环，覆盖工单智能问答与自动分派、告警事件分析与定级、CMDB智能问答与配置合规性审核、知识库智能检索与变更风险查询等场景
RAG与工具链建设：构建RAG全链路能力，涵盖文档解析、分块策略、向量化、检索排序与上下文压缩，对接ITSM知识库、SOP文档、运维手册等数据源，并通过Function Calling与MCP协议集成CMDB、ITSM、监控平台、飞书、BPM等企业IT系统
系统集成与平台沉淀：推动AI能力与ITSM平台深度集成，将AI能力嵌入现有运维流程，沉淀Prompt模板、工具集与评测体系，设计Agent可观测性方案，覆盖调用链追踪、效果评测与异常告警，实现单场景到多场景的规模化复用
技术攻关与优化：解决LLM在企业场景中的幻觉控制与私有数据安全挑战，优化多轮对话上下文管理、长文本处理与意图识别准确率，平衡响应时延与推理成本，探索模型微调、模型蒸馏与本地化部署方向，跟踪多模态、Agentic Workflow等前沿技术并评估其落地价值
协同与标准输出：对齐AI产品经理完成需求评审与方案设计，指导初级开发工程师形成技术规范与最佳实践，配合运维团队完成Agent上线、运行监控与故障处置闭环
AI 洞察
优缺点分析
优点
- AI Agent是当前技术热点，该岗位能让你深入企业级AI应用的落地，积累宝贵的实战经验
- 长鑫存储作为超大型企业，平台稳定，资源丰富，能接触复杂的业务场景，提升技术视野
- 岗位涉及技术栈全面，从RAG到模型微调，能全面提升你的AI工程化能力
- 岗位要求独立主导项目，需要较强的责任心与推动力，并需与多团队协同
- 适合具备3年以上开发经验，对AI技术有热情，希望深入企业级AI应用落地，并具备较强自驱力与架构能力的开发者
缺点 / 挑战
- 企业级AI应用落地难度大，需要处理复杂的业务逻辑与系统集成，对综合能力要求较高
- 需要持续跟进AI前沿技术，保持学习，技术更新迭代快，工作压力可能较大
角色解读
- 可向AI架构师或技术专家方向发展，主导更复杂的企业级AI平台建设
- 可向技术管理方向发展，带领团队负责AI产品的整体规划与交付
- 可深入AI前沿技术研究，如多模态、Agentic Workflow等，成为企业AI技术领军人物
- 负责企业级AI Agent核心场景的架构设计与落地，构建多Agent协作闭环，覆盖智能问答、告警分析、CMDB审核等场景
- 构建RAG全链路能力，包括文档解析、向量化、检索排序，并集成ITSM、CMDB、监控平台等企业系统
- 推动AI能力与ITSM平台深度集成，沉淀Prompt模板、工具集与评测体系，实现AI能力的规模化复用
- 解决LLM幻觉控制、私有数据安全等关键技术挑战，并探索模型微调、蒸馏与本地化部署等前沿方向
- 精通Python，并至少掌握Java、Go或Node.js中的一门语言，具备独立开发能力
- 熟悉LangChain、LlamaIndex等主流Agent框架，能独立设计Agent架构
- 掌握Milvus、Qdrant等向量数据库，具备RAG检索方案设计能力
- 熟悉Docker、K8s、CI/CD，能完成Agent服务化部署，并具备LLM部署与评测经验
申请策略
- 在申请前，了解长鑫存储的业务方向，特别是其在IT运维、智能制造方面的布局，以便在面试中展现你的理解
- 准备一个你主导过的Agent项目案例，详细阐述其业务价值、技术难点与解决方案
- 突出你主导的Agent项目经验，特别是从0到1的端到端交付案例，详细描述你的架构设计与技术选型
- 强调你的RAG技术栈，如LangChain、Milvus等，并展示在知识检索、效果优化方面的具体成果
- 体现你的工程化能力，如Docker、K8s部署经验，以及高可用API设计能力
- 如有ITSM、ITIL运维背景，务必重点突出，这是该岗位的优先加分项
- 提前熟悉LangChain、LlamaIndex等主流Agent框架，并动手搭建一个简单的Agent应用
- 了解RAG全链路技术，包括文档解析、向量化、检索排序，并实践相关工具
面试指南
- 回答项目经验时，可采用STAR法则，重点突出你如何主导项目、解决关键技术难题，并量化项目成果
- 回答技术问题时，可先阐述核心原理，再结合具体场景，说明你的设计思路与权衡
- 回答场景问题时，可结合长鑫存储的业务特点，提出针对性的解决方案，展现你的思考深度
- 请详细描述你主导的一个Agent项目，包括架构设计、技术选型、遇到的挑战及解决方案
- 如何设计一个RAG系统来保证知识检索的准确性和相关性？
- 在构建企业级AI应用时，如何解决LLM的幻觉问题？
- 如何将AI能力集成到现有的ITSM流程中？
- 你如何评估一个Agent的效果？有哪些评测指标？
职位点评
73
综合评分
技术前沿、平台稳定、薪资可观，但工作地点固定，WLB一般。
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
该职位最适合追求技术前沿、渴望在AI领域深入发展的求职者，能提供极佳的技术成长平台。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活50
使命价值70
薪资福利
75中等
该职位为超大型企业的高级技术岗，薪资水平在合肥地区具有较强竞争力，但具体薪资未在JD中披露。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
90较高
该职位处于AI Agent技术前沿，涉及RAG、LLM、多智能体等新兴技术，能提供极佳的技术成长空间。
技术前沿前沿/新兴技术
技术栈Python、LangChain、LlamaIndex、RAG、Milvus、LLM、Agent、Function Calling、MCP
成长机会指导初级开发工程师
业务类型ambiguous
工作生活
50较低
职位要求现场办公，工作地点在合肥，未提及弹性工作制，生活便利性一般。
工作模式仅现场办公
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
该职位服务于企业IT智能化转型，能提升企业运维效率，具有一定的技术价值，但社会影响力相对中性。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs