吉利汽车
高级AI Agent工程师
高级AI Agent工程师
发布于 大约 8 小时前普通员工/个人贡献者
中国
高级经验
全职员工
仅现场办公
本科
算法优化工程师
Autogpt
Faiss
Llamaindex
Llm
Metagpt
Pinecone
Rag
多智能体
AI 估算 · 30k–60k
高级AI Agent工程师属于前沿技术岗，市场需求大，技能稀缺，薪资水平较高。吉利作为大型上市集团，薪资待遇有竞争力，结合行业水平估算。
职位详情
关于这个职位
作为吉利控股集团的高级AI Agent工程师，你将主导企业级智能Agent系统的架构设计与核心研发，包括多智能体协作、记忆与规划系统、工具调用框架等
该职位要求深厚的技术功底和工程化能力，负责从0到1搭建Agent平台，并推动技术预研与团队赋能，是技术专家路线上的关键角色
最低要求
本科及以上学历，计算机、人工智能、软件工程等相关专业，3年及以上大模型应用/AI Agent落地开发经验，有完整Agent架构设计与平台搭建经验，独立主导过线上商业化Agent项目落地
具备AI Agent整体架构设计能力，熟悉Agent分层架构、模块化设计、可扩展系统设计思维，能够独立完成大型智能体系统从0到1架构搭建、技术选型、风险评估与落地规划
精通Python，熟练掌握LangChain、LlamaIndex、AutoGPT、MetaGPT等主流Agent框架源码与二次开发
精通RAG检索增强、向量数据库架构与优化（Milvus/Pinecone/FAISS），掌握Embedding优化、检索召回、重排全链路优化
精通Agent记忆、规划、工具调用、状态管理、上下文管理核心原理，能够自研优化Agent核心模块
熟悉多智能体架构、工作流编排、任务调度、Agent通信机制，有复杂多Agent系统开发经验
具备优秀的AI工程化能力，熟悉模型部署、推理优化、接口高并发设计，了解Docker、K8s基础服务化架构，能够解决Agent长任务、多轮对话、复杂推理场景下的稳定性、耗时、准确率、一致性问题
能够基于业务场景抽象通用Agent架构，沉淀标准化组件与平台能力，具备从技术架构反哺产品设计的能力，能独立定义技术方案、推动项目落地
工作职责
负责企业级智能Agent系统整体架构规划、方案设计、技术选型与落地统筹，主导单智能体、多智能体协作框架的架构搭建，制定Agent开发规范、通信协议、调度机制、生命周期管理标准，支撑业务规模化落地
独立负责大模型智能体核心模块研发，包括记忆系统（短时/长时记忆、记忆召回与压缩）、规划系统（CoT、ToT、自我反思、任务拆解）、工具调用框架、多轮自主决策、自主纠错、迭代复盘等核心能力开发与优化
设计并实现多Agent协同工作架构，支持分工协作、角色拆解、任务分发、状态同步、冲突消解，搭建可复用的Agent工作流、智能编排体系，支撑复杂业务场景自动化闭环执行
主导Agent平台化、组件化建设，沉淀可复用的Agent模板、工具插件库、Prompt工程体系、知识库RAG体系，搭建Agent评测、灰度、监控、迭代运维体系，保障系统高可用、高稳定性、可规模化交付
跟进国内外前沿Agent、大模型应用、自主智能技术方向，针对复杂业务痛点做技术预研、方案落地与技术创新，输出架构文档、技术白皮书、最佳实践，主导团队技术升级与技术沉淀
负责核心技术难点攻坚，指导中初级开发人员，评审技术方案、代码架构，统筹项目技术落地，对接产品、算法、后端团队，保障复杂AI Agent项目高质量交付
优先资格
有企业级Agent平台、智能数字员工、自动化工作流、AI助手完整项目架构落地经验优先
熟悉智能体评测体系、Agent安全风控、幻觉抑制、一致性优化方案
熟悉LLM微调、量化、蒸馏，具备算法+工程综合能力
AI 洞察
优缺点分析
优点
- 技术前沿，涉及Agent、大模型等热门领域，个人技能提升快，市场价值高
- 吉利作为大型企业，平台资源丰富，有机会接触复杂业务场景，积累大规模落地经验
- Agent技术尚在快速发展，方案可能频繁迭代，需要适应变化
缺点 / 挑战
- 职位主导架构设计，有较高自主权，能锻炼系统设计和团队管理能力
- 技术难度大，需掌握多种框架和算法，持续学习压力大
- 工作强度可能较高，涉及多团队协作，需要较强的沟通和项目管理能力
- 适合有3年以上大模型应用经验、热爱技术挑战、具备架构思维和团队协作能力的工程师
角色解读
- 技术专家路线：深耕Agent架构与核心算法，成为领域专家，主导技术预研与创新
- 管理路线：可晋升为技术负责人或架构师，带领团队，统筹多个项目
- 横向发展：可转向AI产品经理或解决方案架构师，利用技术背景推动业务落地
- 负责企业级AI Agent系统的整体架构设计，包括技术选型、模块划分和落地规划
- 研发Agent核心模块，如记忆系统、规划系统、工具调用框架，并优化多轮决策与纠错能力
- 构建多智能体协作体系，实现任务分发、状态同步和冲突消解，支撑复杂业务自动化
- 推动Agent平台化建设，沉淀可复用组件，并负责技术预研、团队指导与项目交付
- 精通Python，熟悉LangChain、LlamaIndex等主流Agent框架，能进行源码级二次开发
- 深入理解RAG、向量数据库（Milvus/Pinecone/FAISS）及Embedding优化，掌握检索全链路
- 具备AI工程化能力，熟悉模型部署、推理优化、高并发接口设计，了解Docker/K8s
- 熟悉多智能体架构、工作流编排和任务调度，有复杂系统开发经验
申请策略
- 了解吉利控股集团在AI领域的布局，特别是汽车智能化方向，在面试中展示对业务的理解
- 准备一个完整的Agent项目案例，详细说明架构设计、技术选型和遇到的问题
- 突出主导过的Agent项目，特别是从0到1的架构设计和落地成果
- 强调对LangChain、RAG、向量数据库等技术的深入理解和实际应用
- 展示工程化能力，如模型部署、性能优化、高并发处理等
- 如有算法+工程综合能力，如LLM微调、量化，务必突出
- 深入学习多智能体协作框架，如MetaGPT，了解其设计思想
- 补充Agent评测、安全风控、幻觉抑制等知识，提升系统可靠性
面试指南
- 采用STAR法则，清晰描述项目背景、你的角色、具体行动和量化结果
- 强调技术选型理由和权衡，展示架构思维
- 结合具体案例，说明如何解决技术难点，体现解决问题的能力
- 请描述你主导的一个Agent项目，从架构设计到落地的过程
- 如何设计一个多智能体协作系统，解决任务冲突和状态同步问题？
- 在RAG系统中，如何优化检索召回率和重排效果？
- 如何保证Agent在长任务中的稳定性和一致性？
- 谈谈你对Agent安全风控和幻觉抑制的理解
职位点评
70
综合评分
前沿技术、高成长性，但工作强度可能较大，薪资面议。
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成长和前沿挑战的求职者，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90
工作生活50
使命价值60
薪资福利
70中等
职位薪资水平较高，但具体薪资未披露，福利未明确，补偿性满足程度中等。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
90较高
职位技术前沿，涉及Agent、大模型等新兴领域，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Python、LangChain、LlamaIndex、AutoGPT、MetaGPT、RAG、Milvus、Pinecone、FAISS、LLM、Docker、K8s
成长机会技术预研、技术升级、技术沉淀
业务类型ambiguous
工作生活
50较低
工作地点未明确，JD未提及远程或弹性办公，工作强度可能较高，生活化动机满足度一般。
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
60中等
AI Agent技术有行业前景，但JD未强调社会价值，意义感动机满足度中等。
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
Watch Jobs