宁德时代
采购数智化工程师-AI算法
采购数智化工程师-AI算法
发布于 大约 14 小时前普通员工/个人贡献者
宁德市
中级经验
全职员工
仅现场办公
本科
人工智能
Ai Agent
Llamaindex
Llm
Rag
向量数据库
AI 估算 · 20k–40k
职位详情
关于这个职位
作为宁德时代的采购数智化工程师，你将专注于大模型（LLM）在企业采购场景中的应用落地
工作内容包括设计优化LLM应用架构、建设企业级RAG系统、探索AI Agent在采购流程中的自动化应用，并推动AI Coding等研发效能提升
你将深入业务现场，将前沿AI技术转化为实际的业务价值
最低要求
计算机、人工智能、软件工程、数学、统计学等相关专业，本科及以上学历、
熟悉大模型应用开发流程，理解LLM基本原理、Prompt设计、RAG架构、向量数据库、Agent机制等
熟悉Python开发，具备良好的工程实现能力，能够将算法能力转化为稳定可运行的服务
熟悉至少一种主流大模型应用框架，如LangChain、LlamaIndex、Dify、FastAPI、Transformers等
熟悉Embedding、向量检索、文本召回、重排序、知识库构建等技术，有RAG项目经验者优先
具备较强的问题拆解能力，能够把复杂业务问题转化为AI可解决的问题
对AI应用落地有热情，愿意深入业务现场，不满足于停留在模型层面，而是关注最终业务价值
工作职责
负责LLM应用架构设计与优化，包括Prompt Engineering、Function Calling、Tool Calling、Agent工作流、多轮对话、上下文管理、记忆机制等能力建设
参与企业级RAG系统建设，包括文档切分、向量化、Embedding模型选型、召回策略、重排序、知识更新、权限控制、答案可信度评估等
探索AI Agent在采购场景中的应用，例如自动询价、供应商比价、合同风险识别、异常订单分析、需求预测辅助决策等
结合业务流程，推动AI自动化能力建设，提升业务人员在数据分析、文档处理、决策支持、流程执行等方面的效率
研究并落地Vibe Coding、AI Coding、代码生成、智能测试、开发辅助等能力，提升研发团队整体交付效率
跟踪主流大模型、开源框架和AI应用技术趋势，包括LangChain、LlamaIndex、AutoGen、CrewAI、Dify、Coze、OpenAI API、Claude、Qwen、DeepSeek等，并评估其在企业场景中的适用性
负责大模型相关能力在企业业务场景中的应用落地，包括RAG知识库、智能问答、文档理解、合同解析、采购策略推荐等场景
建立AI应用效果评估体系，包括准确率、召回率、幻觉率、响应速度、用户满意度、业务节省时长、ROI等指标
优先资格
有AI Agent、多智能体协作、自动化工作流、AI Coding平台建设经验
有企业级大模型应用、智能客服、知识库、合同审核、文档解析、数据分析Agent等项目经验优先
有采购、供应链、制造、零售、电商、等业务场景经验优先
熟悉微调、LoRA、模型压缩、私有化部署、模型评测等相关技术，有开源项目、技术博客、AI产品作品或个人AI工具实践者优先
AI 洞察
优缺点分析
优点
- 宁德时代是全球新能源巨头，平台大，业务场景丰富，AI应用落地机会多
- 公司已上市，规模大，薪酬福利有竞争力，职业发展路径清晰
- 工作地点在宁德，相对一线城市较为偏远，生活便利性可能不如大城市
- 岗位要求深入业务现场，需要与业务部门紧密协作，对沟通和业务理解能力要求高
- AI技术迭代快，需要持续学习，保持技术前沿性
- 适合对AI应用落地有热情，希望在大平台深入业务场景，愿意在新能源行业长期发展的技术人才
缺点 / 挑战
- 岗位涉及LLM、RAG、Agent等前沿技术，技术挑战大，成长空间广阔
角色解读
- 在技术层面，可向大模型应用架构师、AI技术专家方向发展，成为企业级AI应用的领军人物
- 在业务层面，可深入采购、供应链等业务领域，成为懂业务的AI专家，推动企业数智化转型
- 在管理层面，未来可带领AI团队，负责更大范围的AI技术规划和落地
- 设计和优化基于大语言模型（LLM）的应用架构，包括Prompt工程、Agent工作流、多轮对话等，确保AI能力稳定高效
- 建设企业级RAG系统，负责文档处理、向量化、检索与重排序，提升知识问答和文档理解的准确性
- 探索AI Agent在采购业务中的应用，如自动询价、合同风险识别、异常订单分析等，推动业务流程自动化
- 研究并落地AI Coding工具，提升研发团队的开发效率，并建立AI应用效果评估体系
- 扎实的Python编程能力，能够将算法模型转化为可运行的服务
- 深入理解LLM原理、RAG架构、向量数据库和Agent机制，熟悉LangChain、LlamaIndex等主流框架
- 具备将复杂业务问题拆解为AI可解决的技术问题的能力
- 对AI技术有热情，愿意深入业务现场，关注最终业务价值
申请策略
- 了解宁德时代在新能源领域的业务布局，以及AI在采购、供应链中的应用场景
- 面试时强调对业务价值的关注，展示你如何将AI技术与业务结合
- 突出LLM、RAG、Agent等AI应用项目经验，特别是企业级应用落地案例
- 强调Python工程能力，展示如何将算法转化为稳定服务
- 如有采购、供应链等业务场景经验，务必重点提及
- 如果有开源项目、技术博客或个人AI工具，可以体现你的技术热情和动手能力
- 系统学习LangChain、LlamaIndex等主流框架，并动手实践一个RAG项目
- 深入了解Agent机制，尝试用AutoGen或CrewAI构建一个多智能体应用
面试指南
- 对于项目经验问题，采用STAR法则，清晰描述背景、任务、行动和结果，突出技术难点和解决方案
- 对于业务问题，先明确业务目标，再分析技术可行性，最后给出具体方案
- 对于技术趋势问题，展示你的学习能力和技术热情，并结合实际场景说明应用价值
- 请详细描述你过去的一个RAG项目，包括架构设计、技术选型和遇到的挑战
- 如何评估一个LLM应用的效果？你会关注哪些指标？
- 请举例说明如何将一个复杂的业务问题拆解为AI可解决的问题
- 你如何理解AI Agent？在采购场景中，你认为AI Agent可以如何应用？
- 你如何保持对AI前沿技术的跟踪？最近关注哪些技术？
职位点评
74
综合评分
新能源巨头，前沿AI技术，发展空间大，但工作地点偏远，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。
更适合这类人
适合追求技术前沿、渴望在新能源巨头平台快速成长，对工作地点要求不高的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活50
使命价值75
薪资福利
75中等
宁德时代作为新能源巨头，薪酬福利在行业内具有竞争力，但工作地点在宁德，生活成本较低，综合来看补偿性动机满足程度较好。
薪资信号未披露（AI估算：20K-40K/月）
成长发展
90较高
岗位涉及LLM、RAG、Agent等前沿技术，技术挑战大，成长空间广阔，且公司平台大，业务场景丰富，发展性动机得到充分满足。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Agent、LangChain、LlamaIndex、Dify、FastAPI、Transformers、向量数据库、Prompt Engineering
业务类型profit_center
工作生活
50较低
工作地点在宁德，相对偏远，生活便利性一般，且岗位要求深入业务现场，可能工作强度较大，生活化动机满足程度有限。
工作模式仅现场办公
办公地点工厂/生产基地
加班情况未提及（无法判断）
使命价值
75中等
宁德时代作为新能源行业领军企业，推动绿色能源发展，具有积极的社会意义，岗位通过AI技术赋能业务，也具有一定的价值感。
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