长江存储
AI应用开发工程师（固件赋能方向）(J14569)
AI应用开发工程师（固件赋能方向）(J14569)
发布于 大约 14 小时前普通员工/个人贡献者
上海市 / 武汉市
中级经验
全职员工
仅现场办公
本科
软件工程
CI/CD
Llm
Prompt Engineering
Rag
向量数据库
固件开发
AI 估算 · 25k–45k
中级AI应用开发，半导体行业需求旺盛，上海薪资较高，武汉略低，平均月薪约3.5万。
职位详情
关于这个职位
该职位负责为固件开发场景设计AI应用，包括LLM Agent系统、RAG知识库和代码生成工具，以提升固件工程师的开发效率
需要精通Python和LLM应用框架（如LangChain），并具备RAG和Prompt Engineering经验
适合对AI+硬件领域有兴趣的开发者
最低要求
计算机/软件工程/AI相关专业本科及以上学历，3年以上AI应用开发经验
精通Python开发，熟悉REST API开发
精通LLM应用开发框架：至少熟悉LangChain或LlamaIndex中的一种
深入理解RAG技术原理，有向量数据库（Milvus/Pinecone/Weaviate等）实际使用经验
熟悉Prompt Engineering（Few-shot、CoT、角色指定等）
了解主流开源LLM（Qwen/Llama/ChatGLM等）的本地部署与调用
了解固件/嵌入式开发基本概念，愿意深入硬件领域
熟悉Git与CI/CD工作流，了解Docker容器化
英语阅读能力良好
工作职责
设计并开发面向固件开发场景的LLM Agent系统，覆盖代码生成、Code Review、日志分析等流程，实现多Agent协同与外部工具（编译器、调试器）调用
构建固件开发专用RAG知识库，整合芯片Datasheet、参考设计、历史代码库、调试日志等，实现硬件文档的语义搜索与智能问答
基于代码大模型构建固件代码生成系统，支持驱动代码、HAL层代码、中断服务例程的自动生成，与CI/CD流水线集成实现自动编译检查
开发基于LLM的调试辅助工具，实现错误日志智能解析、故障根因定位与修复建议生成
为固件工程师提供AI工具使用培训，持续收集反馈并优化系统
优先资格
有固件/嵌入式/BIOS实际开发或工具开发经验
有AI Agent框架（CrewAI/AutoGPT等）开发经验
有本地LLM私有化部署与性能调优经验
AI 洞察
优缺点分析
优点
- 前沿的技术栈：深度接触LLM、RAG、Agent等热门AI技术，积累稀缺经验
- 行业前景好：半导体是国家重点产业，长江存储是存储芯片龙头，发展稳定
- 跨领域成长：结合AI与固件开发，拓宽技术视野，成为复合型人才
- 需要快速学习固件领域的专业知识，对硬件背景有一定要求
- 工作可能涉及多地（上海/武汉），需要适应不同的工作环境
- LLM技术迭代快，需要持续跟进最新进展，保持学习状态
- 适合对AI应用开发有浓厚兴趣，愿意深入硬件领域，喜欢解决实际工程问题的技术开发者
缺点 / 挑战
暂无明显挑战项
角色解读
- 从AI应用开发工程师成长为LLM领域专家，主导更复杂的多Agent系统
- 深入固件领域，成为AI+硬件的复合型人才，拓展到芯片设计自动化
- 向技术管理方向发展，带领AI赋能团队推动研发效率变革
- 设计基于LLM的Agent系统，辅助固件工程师完成代码生成、审查和日志分析
- 构建固件领域的RAG知识库，实现芯片文档和代码的智能检索
- 开发代码自动生成工具并与CI/CD流水线集成，提升编译效率
- 为固件团队提供AI工具培训，收集反馈持续优化系统
- 精通Python和REST API开发，具备扎实的编程基础
- 熟悉LangChain或LlamaIndex等LLM应用框架，能独立搭建智能体系统
- 深入理解RAG技术，有向量数据库和Prompt Engineering的实战经验
- 了解固件或嵌入式开发的基本概念，能够与硬件团队有效协作
申请策略
- 了解长江存储的业务和产品，在面试中展现对存储芯片行业的热情
- 准备一个与固件开发相关的AI落地方案，体现解决问题的思路
- 突出LLM应用开发经验，特别是LangChain/LlamaIndex项目的具体成果
- 强调RAG系统搭建和向量数据库使用的实际案例，最好有性能数据
- 展示Github或CI/CD集成项目，体现工程化能力
- 如果有固件或嵌入式相关经验，务必单独列出
- 补充固件开发基础知识，如MCU、RTOS、驱动开发等
- 学习AI Agent框架如CrewAI或AutoGPT，提升多智能体系统设计能力
面试指南
- STAR法则：描述场景、任务、行动和结果，突出技术细节和量化成果
- 分点回答：先讲原理，再讲实践，最后总结优化方向
- 体现工程思维：关注可维护性、性能、成本，而非仅展示技术
- 请描述你使用LangChain开发Agent系统的项目经验
- 如何构建一个高效的RAG知识库？索引和检索策略如何选择？
- 固件代码生成面临哪些挑战？如何保证生成代码的质量？
- 你如何调试LLM应用的输出？Prompt Engineering方面有哪些技巧？
- 如何在CI/CD流水线中集成代码生成工具？
职位点评
69
综合评分
前沿AI技术结合半导体行业，成长空间大，但现场办公且WLB不明确。
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
该职位最适合看重技能成长和前沿技术挑战的求职者，对工作生活平衡要求不高。
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85
工作生活50
使命价值65
薪资福利
70中等
薪资处于市场中上水平（尤其在半导体行业），但JD未明确福利，稳定性较好，综合补偿性动机中等偏上。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
85较高
该职位涉及LLM、RAG等前沿技术，并提供培训机会，成长空间大，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈LLM、RAG、LangChain、LlamaIndex、Prompt Engineering、向量数据库
成长机会培训
业务类型ambiguous
工作生活
50较低
工作地点为上海或武汉，现场办公，未提及远程或弹性工作，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
65中等
半导体行业属于国家战略，有一定社会价值，但岗位本身更偏技术实现，使命感一般。
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
长江存储 的其他在招职位
相似职位推荐
Watch Jobs