华晨汽车
AI Engineer
AI Engineer
发布于 大约 11 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Agentic Ai
Aigc
Bi工具
Llm
云原生
数据分析
值不值得投
72综合评分
综合评分 72
技术栈前沿的AIGC工程师，推动智能制造创新，对技术深度要求高，成长空间大。
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
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
公司还在招多个职位
4 个在招
市场机会
选择不多
南京 · 人工智能 · 9 个在招
职位详情
关于这个职位
本职位为华晨汽车的AI工程师，主要负责将AIGC（生成式人工智能）技术在公司业务场景中进行端到端落地与生产级交付
工作内容涵盖从需求理解、原型验证、方案设计到开发可复用的AIGC工作流与智能体（Agent）能力，并优化其在业务中的适配性
同时，需要协助建设AI数据基础，并向业务部门提供数据可视化与洞察服务
最低要求
计算机科学、数据科学、人工智能或相关专业硕士及以上学历
具备工业级 AIGC/LLM 项目开发经验，有从原型验证到生产交付的完整实践经验
具备扎实的 AIGC/LLM 理论基础，能够根据业务问题选择合适的算法、模型和技术方案
具备云原生环境下 LLM 模型部署、服务化和工程化交付能力
熟悉传统人工智能、机器学习和深度学习方法，理解常见深度学习模型及其应用场景
精通 Python，熟悉常用数据分析、AI/ML 及 LLM 开发相关库和工具
熟悉主流 LLM 应用框架和平台，如 FastGPT、RagFlow、Dify、LangChain 等，能够优化工作流编排以满足工业化交付要求
理解主流大模型的基本原理和训练方法，如 LLaMA、Qwen、LoRA 微调、RLHF 等
能够设计并实现面向大模型请求的高性能、高可用后端服务，保障低延迟、高吞吐和稳定的数据处理能力
熟悉 Agentic AI 相关技术，包括智能体编排、工具调用、工作流设计及基于 LangChain 等框架的开发实践
对创新和新技术保持热情，具备较强的主动学习能力和技术探索精神
具备良好的中英文沟通能力，能够进行清晰的口头和书面表达
工作职责
推动 AIGC 端到端落地与生产级交付
围绕业务场景，负责 AIGC 解决方案从需求理解、原型验证、方案设计到生产交付的全过程，推动商业价值实现
开发可复用的 AIGC 工作流与智能体能力
基于 LangChain、Dify、N8N 等开源框架，构建可插拔、可复用的 AIGC 工作流解决方案
开发具备 harness 约束的智能体框架，支持业务流程重塑
优化智能体方案并提升业务适配性
结合具体业务场景和业务逻辑，持续迭代智能体方案，在自主性、指令遵循、结果准确性和可控性之间取得最佳平衡
建设 AI Readiness 与数据基础能力
理解 AI Readiness 的基本概念，协助梳理业务数据、知识资产和流程信息，为智能体和工作流开发提供可靠的数据基础
快速交付原型及配套前后端方案
熟练使用 AI 工具，遵循“原型先行、快速验证”的交付理念，完成智能体方案及其配套前后端能力的设计与展示
提供数据可视化与业务洞察服务
面向业务部门提供数据可视化解决方案，利用 BI 报表和分析工具呈现数据洞察，体现业务数据价值
负责模型与智能体工程化落地
具备模型服务、智能体框架、工作流编排和系统集成的工程化能力，支持 AIGC/LLM 功能稳定上线
开展知识共享与团队赋能
定期进行技术分享、最佳实践沉淀和案例复盘，提升团队在 AIGC、LLM、Agentic AI 方向的整体能力
验证前沿技术在业务场景中的可行性
与团队成员和业务利益相关方协作，评估并验证新技术在实际业务场景中的技术可行性和落地价值
协同完成 AIGC/LLM 功能交付
与 DevOps、平台、数据及业务团队合作，完成 AIGC/LLM 相关能力的部署、集成、运维和持续优化
完成团队负责人安排的其他相关工作
优先资格
具备 AWS 云上开发经验、大数据开发经验，或熟悉 Terraform 等基础设施即代码工具者优先
具备 BI 报表开发和业务数据分析经验，熟悉 Tableau、Power BI 等 BI 工具者优先
AI 洞察
优缺点分析
优点
- 技术栈非常前沿，能深入实践AIGC、Agent、LLM微调等当前最热门的技术方向，积累宝贵的工业级项目经验
- 职责范围广，能获得从技术方案设计、开发到交付的全流程锻炼，提升系统架构和问题解决能力
- 作为传统制造业的AI岗位，能参与产业智能化转型，技术成果的业务价值感强
- AIGC技术迭代迅速，需要持续高强度学习以跟进最新的模型、框架和方法论，保持技术敏感性
- 需要将前沿AI技术与复杂的汽车制造业务场景深度融合，对业务理解和沟通协作能力要求高
- 适合对AIGC技术有强烈热情、具备扎实工程基础、喜欢解决复杂业务问题并推动技术从0到1落地的工程师
缺点 / 挑战
- 作为应用落地岗位，会面临模型效果与性能、成本之间的平衡挑战，以及生产环境稳定性的压力
角色解读
- 技术专家路线：深耕AIGC/Agent技术栈，成为公司内部该领域的首席解决方案架构师或技术负责人
- 技术管理路线：在领导项目交付的同时，带领团队成长，向AI技术经理或总监方向发展
- 业务转型路线：凭借对技术与业务的理解，可转型为AI产品经理或业务数字化负责人
- 负责AIGC技术在公司内部业务场景中的端到端落地，从需求分析、方案设计到最终生产环境交付，确保技术产出商业价值
- 设计并开发基于开源框架的可复用AIGC工作流与智能体（Agent），优化其在实际业务中的性能与稳定性
- 承担AI数据基础建设与数据可视化工作，向业务部门提供数据洞察，支持业务决策
- 深厚的AIGC/LLM理论与工程化能力，能完成从模型选型、微调到云原生部署的全流程
- 精通Python编程，熟练使用LangChain、Dify等主流AI应用框架，并具备Agentic AI的开发实践
- 具备系统设计思维，能构建高性能、高可用的后端服务以支撑大模型应用
申请策略
- 在简历或求职信中，明确表达你对“AI赋能传统制造业”这一方向的理解和兴趣
- 准备好1-2个你主导的、从原型到交付的完整AIGC项目案例，能在面试中清晰阐述整个过程
- 重点突出工业级AIGC/LLM项目经验，详细描述项目背景、你采用的技术方案（如使用的框架、模型）、遇到的难点及最终达成的业务效果或量化指标
- 详细列出对Python、LangChain、Dify等具体工具的掌握程度和实践经验，最好有代码仓库或项目Demo链接
- 强调云原生部署（如AWS）、数据分析和BI工具使用经验，体现你的全栈工程能力
- 系统复习并实践主流LLM应用框架（如LangChain）的最新版本特性，尝试构建一个完整的Agent应用
- 加强对云原生部署（尤其是AWS）和MLOps相关知识的了解，学习如何高效、稳定地部署大模型服务
面试指南
- 使用STAR原则（情境、任务、行动、结果）结构化描述你的项目经历，重点突出你的技术决策和带来的量化成果
- 回答技术问题时，结合具体的技术细节（如使用的模型、工具、遇到的坑）进行阐述，展示深度而非泛泛而谈
- 对于场景设计类问题，先明确业务目标和约束条件，再提出技术方案，并说明方案的优缺点和迭代思路
- 请描述一个你主导的AIGC项目，从需求到上线的全过程，遇到了哪些关键挑战？
- 如何平衡智能体（Agent）的自主性与可控性？请结合具体业务场景举例
- 在云原生环境下，如何优化一个大语言模型应用的性能和稳定性？
- 如果业务部门提出一个模糊的AI需求，你会如何进行分析和原型验证？
- 你熟悉哪些AIGC工作流框架？Dify和LangChain在架构和适用场景上有什么区别？
职位点评
薪资福利65
成长发展85
工作生活60
使命价值80
薪资福利
65中等
作为上市公司岗位，薪资在南京市场具备一定竞争力，但JD未明确具体福利细节，整体保障性有待确认。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
85较高
岗位要求掌握前沿的AIGC/Agent技术栈，并参与完整的工业级项目落地，技术成长性高。公司为跨国企业，平台能提供良好的技术分享与赋能环境。
技术前沿前沿/新兴技术
技术栈AIGC、LLM、LangChain、Dify、Agentic AI、LoRA、RLHF
成长机会开展知识共享与团队赋能、定期进行技术分享、最佳实践沉淀和案例复盘
业务类型ambiguous
工作生活
60中等
职位描述未提及任何工作模式（如远程、弹性），结合汽车制造业特点，推测为现场办公为主。未提及加班情况，工作生活平衡情况不明。
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
80较高
岗位旨在将最前沿的AI技术应用于传统制造业场景，推动业务创新和数字化转型，具有明确的应用价值和行业变革意义。
行业发展稳定成熟行业
社会影响中性/一般
使命信号推动商业价值实现、支持业务流程重塑、体现业务数据价值
创新程度积极采用新技术
Watch Jobs