国家电投
智能体开发工程师（智慧管理部-直管）
智能体开发工程师（智慧管理部-直管）
发布于 3 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
Autogen
Langgraph
Prompt Engineering
Rag
向量数据库
大模型应用开发
值不值得投
76综合评分
综合评分 76
能源央企核心AI岗，技术前沿且场景丰富，稳定性好，适合追求技术深度与长期发展的候选人。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
4万
比人工智能中位数低
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 390 个在招 · 其中人工智能 4 个
市场机会
选择面较广
北京 · 人工智能 · 约 630 个在招
职位详情
关于这个职位
该职位主要负责企业级智能体应用的设计、开发与落地，结合大模型技术构建智能问答、业务办理等能力
你需要负责智能体工作流构建、RAG优化、工具插件开发及多智能体协同，推动管理数字化业务场景的自动化与智能化
最低要求
计算机、软件工程、人工智能等相关专业本科及以上学历，具有5年以上软件开发、系统架构或AI应用相关工作经验
熟练掌握Python，熟悉Java等主流后端开发语言，具备良好的软件工程及后端开发能力
熟悉大模型应用开发，掌握Prompt Engineering、RAG、Function Calling/Tool Calling等技术
熟悉主流智能体开发框架或工作流框架，如LangChain、LangGraph、AutoGen等，有实际项目经验者优先
具备知识库及向量检索相关开发经验，了解Embedding、向量数据库、文档解析及检索优化等技术
具备API及工具开发能力，能够将业务系统接口、数据库查询及外部服务封装为智能体可调用工具
了解智能体任务规划、工作流编排、上下文管理、记忆机制及多智能体协同等基本原理
具备大模型应用测试与评估能力，能够针对准确性、幻觉、工具调用成功率等问题进行分析和优化
熟悉Linux、Docker等基本部署技术，具备智能体应用部署及运行问题排查能力
具备较强的业务理解和沟通能力，能够将业务需求转化为可落地的智能体应用
工作职责
负责企业级智能体应用的设计、开发与落地，结合管理数字化业务场景构建智能问答、业务办理、数据分析、辅助决策、运维处置等智能体能力
负责基于大模型构建智能体工作流，实现任务规划、工具调用、多步骤执行、状态管理及结果反馈等核心能力
负责智能体与现有业务系统、知识库、数据库及各类API的集成，实现智能体对业务数据和系统能力的调用
负责RAG知识检索、Prompt设计、上下文管理等能力开发与优化，提升智能体回答及任务执行的准确性
负责智能体工具及插件开发，将查询、分析、审批、运维等业务能力封装为智能体可调用工具
参与多智能体协同、复杂任务编排等能力建设，支撑复杂业务场景的自动化执行
负责智能体应用的测试、评估与持续优化，针对幻觉、执行失败、结果不稳定等问题进行分析和改进
参与智能体应用上线部署、运行监控及问题排查，保障智能体应用安全、稳定运行
优先资格
有企业管理数字化、OA、ERP、运维、审计等业务场景智能体开发经验者优先
AI 洞察
优缺点分析
优点
- 处于AI大模型落地的核心赛道，技术前沿且极具发展潜力
- 依托大型能源央企的丰富业务场景，能接触到复杂的企业级数字化与智能化项目
- 企业级系统集成复杂，需深入理解传统业务逻辑并与之融合
- 适合具备扎实后端开发基础、对大模型和智能体技术有浓厚兴趣，且希望在大型企业中推动AI技术落地的技术人才
缺点 / 挑战
- 大模型应用存在幻觉、稳定性等技术挑战，需要持续优化与调试
角色解读
- 从智能体开发工程师向AI架构师或AI技术专家发展
- 未来可主导企业级AI数字化转型战略，成为大模型落地应用的核心技术骨干
- 负责企业级智能体应用的设计与开发，结合大模型技术实现智能问答、业务办理等能力
- 构建智能体工作流，开发RAG、Prompt及工具插件，推动管理数字化场景的自动化
- 熟练掌握Python/Java，精通大模型应用开发（Prompt、RAG、Function Calling）
- 熟悉LangChain等智能体框架及向量数据库，具备API封装与系统部署能力
申请策略
- 了解国家电投的业务背景及数字化转型战略，准备关于如何将AI技术应用于能源管理、运维审计等具体场景的思考
- 突出大模型应用开发经验，特别是RAG、Agent工作流编排及工具调用的实际项目成果
- 展示在复杂业务系统（如OA、ERP）中集成AI能力的成功案例
- 深入学习LangGraph、AutoGen等前沿智能体框架，提升多智能体协同与复杂任务编排能力
- 加强向量数据库及检索优化技术的实践
面试指南
- 采用STAR法则描述项目背景、任务、行动和结果
- 针对技术问题，先阐述原理，再结合具体场景说明优化策略和最终收益
- 请分享一个你主导的智能体或大模型应用落地项目，遇到了哪些技术挑战？
- 如何优化RAG系统的检索准确率并减少大模型的幻觉？
- 在多智能体协同场景下，如何进行任务规划与状态管理？
- 如何将现有的业务系统接口封装为智能体可调用的工具？
- 复习大模型应用开发的核心技术栈（LangChain、RAG、Prompt Engineering）
- 准备1-2个解决大模型幻觉或工具调用失败的具体案例
职位点评
薪资福利75
成长发展85
工作生活65
使命价值80
薪资福利
75中等
国企背景提供较好的稳定性和福利保障，AI岗位薪资在市场上具有竞争力，但整体薪酬上限可能不及互联网头部企业。
薪资信号未披露（AI估算：3千–5万/月）
成长发展
85较高
处于AI大模型应用落地的最前沿，能接触到企业级复杂场景，技术成长空间巨大。
技术前沿前沿/新兴技术
技术栈Python、Java、大模型、Prompt Engineering、RAG、LangChain、LangGraph、AutoGen、向量数据库、Docker
业务类型cost_center
工作生活
65中等
国企通常工作节奏相对规律，但AI研发和系统上线期可能存在加班，具体WLB情况未明确。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
80较高
助力大型能源央企的数字化转型与智能化升级，具有较高的社会价值和行业影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs