长城汽车
Angent开发工程师47474
Angent开发工程师47474
发布于 大约 14 小时前普通员工/个人贡献者
全职员工仅现场办公NLP工程
NLP工程
Nlp
Pytorch
Rag
Tensorflow
大模型
智能座舱
深度学习
值不值得投
64综合评分
综合评分 64
上市车企，前沿大模型技术栈，发展前景好，但现场办公且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。
薪资怎么样
35K
与NLP工程中位数基本持平
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 970 个在招
市场机会
选择适中
北京 · NLP工程 · 40 个在招
职位详情
关于这个职位
该职位负责长城汽车智能座舱场景的大模型应用落地，包括Agent核心框架设计、RAG系统构建、模型优化与量产部署，需要深入掌握LLM、NLP和深度学习技术，并具备将前沿AI能力转化为车规级产品的工程能力
最低要求
计算机/人工智能/电子工程等相关专业
年以上大模型或 NLP 算法工程经验
深度学习功底扎实：精通 PyTorch/TensorFlow，深入掌握 Transformer、BERT、CLIP、Whisper 等 NLP/多模态模型原理与实战
大模型全栈经验：具备 LLM 完整技术链条实战经验——数据构建、预训练/微调（SFT/RLHF）、Prompt 工程、模型压缩（量化/蒸馏）等
熟悉 RAG 系统全链路设计，包括文本切片、Embedding 向量化、混合检索（BM25+向量召回）、Rerank 精排（Cross-Encoder/LLM-based Reranker）及结果后处理
熟悉 Function Calling 与工具调用链路设计
算法领域专精：在推荐搜索、自然语言理解（NLU）、多模态理解至少一个领域有成熟项目落地经验
大小模型协同：熟悉大小模型协同架构设计，能根据场景需求灵活权衡性能与成本
优秀的问题拆解能力，能将复杂业务需求转化为可落地的技术方案
对 AI 技术有热情，具备创新思维和独立主导项目的能力
工作职责
负责大模型在智能座舱场景的核心应用落地，主导座舱 AI Agent 核心框架的设计与研发，推动其在车场景化智能推荐等复杂决策场景中的规划、推理与执行能力，并实现量产落地
熟悉 Function Calling、工具调用链路设计，有基于 LangChain/LangGraph/AutoAgent 等框架落地经验者优先
模型全链路优化，包括评测选型、接入落地、训练优化（SFT/RLHF）、轻量化（量化/蒸馏/剪枝）及私有化部署，满足业务性能及效果需求
主导座舱知识库与 RAG（检索增强生成）系统的设计与落地，涵盖文档解析、Embedding 模型选型、向量数据库构建、混合检索策略优化（BM25+向量召回）及 Rerank 精排模块（Cross-Encoder/LLM-based Reranker）的研发，持续提升座舱问答、知识检索等场景的准确性与响应质量
深入座舱业务场景，通过数据分析定位算法与策略的不足，构建数据采集、清洗、标注与模型迭代的正向闭环，设计场景化 Benchmark 并驱动模型持续迭代，不断提升场景体验
追踪 LLM、多模态大模型、Agent 等最新进展，探索新技术在座舱场景的创新应用，解决落地过程中的技术难题
优先资格
有车载/座舱项目经验者优先
有实际落地经验者优先（针对RAG系统）
有 ASR/TTS 语音交互相关经验者优先
AI 洞察
优缺点分析
优点
- 技术前沿，深度接触大模型、Agent和RAG等热门领域
- 汽车智能化转型场景明确，技术落地价值高
- 上市车企平台大，资源丰富，职业发展空间广阔
- 量产项目需权衡性能与成本，工程复杂度高
- 汽车行业迭代节奏快，需要适应跨团队协作
- 适合有大模型/NLP经验，热爱汽车智能座舱，希望深入业务场景的技术人才
缺点 / 挑战
- 技术栈覆盖广，要求持续学习，压力较大
角色解读
- 可成长为座舱AI技术专家或技术负责人
- 向大模型与多模态方向深入发展，成为AI算法专家
- 有机会参与汽车智能化核心产品研发，向产品+技术复合方向拓展
- 负责智能座舱AI Agent核心框架的设计与研发，实现场景化智能推荐和复杂决策
- 主导座舱RAG知识库系统建设，优化检索与生成质量
- 进行大模型的评测、选型、训练优化和推理部署
- 追踪LLM、多模态、Agent等前沿技术并探索创新应用
- 精通PyTorch/TensorFlow，深入理解Transformer、BERT等模型原理
- 具备LLM全链路经验，包括SFT/RLHF、量化蒸馏、Prompt工程
- 熟悉RAG、Function Calling、LangChain/LangGraph等Agent框架
- 有推荐搜索、NLU或多模态理解至少一个领域的成熟落地经验
申请策略
- 提前了解长城汽车智能座舱产品线和技术方向
- 在面试中展现对端侧部署、量化和性能优化的关注
- 突出大模型项目经验，尤其是RAG和Agent落地案例
- 强调Function Calling工具调用和LangChain框架的实际使用
- 展示SFT/RLHF、模型量化等训练优化经历
- 如有车载或座舱项目经验务必置于显著位置
- 补充RAG系统全链路实践，包括向量数据库和混合检索
- 学习LangGraph/AutoAgent等前沿Agent框架
面试指南
- 结合项目经历，用STAR法则说明背景、任务、行动和结果
- 突出系统性思维，从数据、模型、评测、部署全链路考虑
- 强调对成本和性能的权衡，体现工程落地能力
- 介绍一下你在RAG系统项目中如何设计混合检索和重排？
- 你如何实现Function Calling的工具调用？遇到过哪些坑？
- 如何对LLM进行量化压缩以保证车载环境下的推理性能？
- 你如何设计Agent的规划与推理流程？
- 如何评估和迭代座舱场景下的模型效果？
职位点评
薪资福利55
成长发展95
工作生活35
使命价值65
薪资福利
55较低
JD未披露具体薪资，但长城汽车作为上市车企，薪酬体系较完善，整体稳定。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
95较高
岗位聚焦大模型、Agent、RAG等前沿技术，涉及全链路优化，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈大模型、Agent、RAG、LangChain、PyTorch、Transformer
业务类型ambiguous
工作生活
35较低
工作地点在大兴区，现场办公，JD未提及弹性工作或WLB保障，通勤和灵活性一般。
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
智能座舱是汽车智能化的重要方向，技术应用价值高，但直接社会意义中性。
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