吉利汽车
Python工程师
Python工程师
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公后端开发
后端开发
Rag
Vllm
分布式系统
向量数据库
大模型推理
微服务架构
值不值得投
71综合评分
综合评分 71
吉利汽车AI应用开发，技术栈前沿，成长性强，但工作生活平衡与具体福利需在面试中确认。
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
28K
比后端开发中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 1730 个在招 · 其中后端开发 12 个
市场机会
选择面较广
杭州 · 后端开发 · 约 150 个在招
职位详情
关于这个职位
作为吉利汽车集团的Python工程师，您将参与企业级智能体平台的核心开发
主要负责微服务（如策略、算法服务）的设计与实现，主导技术方案和架构选型
工作将深度结合LangChain、FastAPI等框架，并涉及RAG、模型推理（vLLM）等前沿AI技术的工程化落地
最低要求
计算机科学、软件工程或相关专业本科及以上学历
深刻理解微服务架构、分布式系统设计原理与实践经验（如服务发现、负载均衡、容错处理、分布式事务）
熟练掌握 RESTful API 设计规范和开发实践
熟悉主流大模型API及模型推理后置处理
熟悉向量数据库（如 ES, PostgreSQL）的设计和应用场景
熟悉常用消息队列（如 Kafka, RabbitMQ, Pulsar）的使用和原理
了解软件工程实践，包括代码版本控制（Git）、单元测试、CI/CD流程
对人工智能技术（特别是LLM应用、智能体）有浓厚兴趣
工作职责
负责企业级智能体平台中微服务（策略，算法服务）开发
主导技术方案设计和架构选型，确保系统的稳定性和可维护性
熟悉LangChain(Python SDK), FastAPI及其相关框架,了解Rag, RagFlow，Text2SQL等相关系统的原理
编写高质量、可维护的代码，并进行代码审查
与产品经理、设计师和算法工程师紧密合作，确保项目顺利进行
持续学习和研究最新的AI技术和开发方法
熟悉基于vLLM， Sglang等主流模型推理框架，了解模型微调SFT流程
优先资格
有RAG系统开发与优化，NL2SQL，DeepResearch等专有领域智能体开发经验的优先
AI 洞察
优缺点分析
优点
- 技术栈前沿：直接接触和使用LangChain、vLLM等最新的大模型应用开发技术，技术成长性强
- 业务场景明确：在大型汽车集团内推进AI落地，能获得将技术转化为实际业务价值的宝贵经验
- 技术融合难度高：需要将快速迭代的AI技术与稳定的企业级架构相结合，对系统设计能力要求极高
- 领域知识复杂：需要理解汽车行业的特定业务逻辑，以确保技术方案的适配性
- 工程化要求严格：企业级应用对系统的稳定性、可维护性、文档规范等有远高于原型开发的要求
- 适合具备扎实软件工程基础、对人工智能应用有浓厚兴趣、并希望在大型产业集团内推动AI技术落地的中级工程师
缺点 / 挑战
- 平台与资源：背靠大型集团，项目资源充足，能接触到复杂且具有挑战性的企业级系统
角色解读
- 技术专家路线：可深耕AI工程化或分布式系统领域，成为相关技术方向的技术专家或架构师
- 技术管理路线：随着项目复杂度提升，可向技术负责人、团队主管等管理岗位发展
- AI产品路线：凭借对AI技术与业务的理解，可转向AI产品经理或解决方案架构师角色
- 负责设计与开发支持企业智能体（AI Agent）的核心微服务，如策略引擎和算法服务
- 主导AI应用系统的技术架构，确保其在复杂业务场景下的稳定与可扩展
- 将前沿的LLM应用技术（如RAG、Text2SQL）与企业现有系统集成，并进行工程化落地
- 精通Python编程及主流Web框架（FastAPI），并能进行高质量的系统设计与代码实现
- 深刻理解微服务与分布式系统设计，能独立解决高并发、高可用性等技术难题
- 熟悉AI工程化技术栈，包括LangChain、模型推理框架（vLLM）及向量数据库
- 具备优秀的软件工程实践能力，熟悉Git、CI/CD、单元测试等规范
申请策略
- 研究吉利汽车在智能化、自动驾驶或车联网方面的公开信息，了解其技术战略和可能的AI应用场景，在面试中展现你的业务洞察
- 准备一个你过去解决复杂技术难题（尤其是架构设计或性能优化）的案例，并用STAR法则清晰地表述
- 重点突出使用Python进行微服务或后端系统开发的项目经验，特别是与AI模型交互或数据处理相关的部分
- 详细描述你所设计的技术架构，以及为解决稳定性、性能等问题所做的具体技术选型和优化
- 如果使用过LangChain、RAG、向量数据库或任何模型推理框架，务必在项目经历中明确写出并描述具体贡献
- 体现你的工程规范意识，如代码审查经验、CI/CD实践、文档编写习惯等
- 深入研究LangChain框架及常见的RAG实现模式，可尝试构建一个简单的Demo来加深理解
- 学习vLLM、SGLang等模型推理框架的原理和最佳实践，了解如何优化推理效率
面试指南
- 回答架构设计问题时，采用分层思路：先讲业务目标与约束，再讲整体架构选型，最后聚焦关键技术点及你的权衡
- 对于AI系统问题，先阐明核心目标（如准确率、延迟），再分解技术组件（检索、生成、评估），并讨论工程化挑战
- 描述合作案例时，强调你的沟通作用：如何理解对方需求、如何用技术语言解释方案取舍、如何推动达成一致
- 请描述一个你主导设计的微服务系统架构，其中考虑了哪些关键要素？遇到了哪些挑战，是如何解决的？
- 如何设计一个高可用的RAG系统？需要考虑哪些因素（如检索效率、生成质量、缓存策略）？
- LangChain在企业级应用中有哪些优缺点？如果让你评估一个生产环境的技术方案，你会关注哪些方面？
- 如何确保大模型推理服务的稳定性与高效性？vLLM等框架提供了哪些帮助？
- 当与产品经理或算法工程师合作时，如何确保技术方案既能满足业务需求，又具备良好的技术可行性？
职位点评
薪资福利70
成长发展85
工作生活50
使命价值75
薪资福利
70中等
作为大型上市集团的社招技术岗位，薪资福利体系应相对规范，但JD未提供具体薪资信息，市场竞争力需在面试中确认。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
85较高
该岗位涉及LangChain、大模型推理等前沿AI技术栈，且要求主导架构设计，对个人技术深度和广度的成长有很强的推动作用。
技术前沿前沿/新兴技术
技术栈Python、LangChain、FastAPI、RAG、vLLM、微服务架构、向量数据库、大模型
成长机会持续学习和研究最新的AI技术和开发方法
业务类型ambiguous
工作生活
50较低
JD中未提及任何办公模式、弹性工作或工作生活平衡相关描述，无法判断其工作强度与灵活性。
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
75中等
将AI智能体技术应用于汽车这一实体产业，有助于提升生产与服务效率，具有明确的行业应用前景和一定的社会价值。
行业发展稳定成熟行业
社会影响中性/一般
使命信号持续学习和研究最新的AI技术和开发方法
创新程度积极采用新技术
Watch Jobs