宁德时代
智能产线主任工程师
智能产线主任工程师
发布于 大约 9 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
Crewai
Gpu推理
Langgraph
Llm
Mes
Plc
Rag
Scada
值不值得投
76综合评分
综合评分 76
前沿AI Agent技术+新能源巨头平台，发展空间极大，但需接受宁德的工作地点和产线环境。
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
40K
与人工智能中位数基本持平
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 900 个在招 · 其中人工智能 16 个
市场机会
选择适中
宁德 · 人工智能 · 14 个在招
职位详情
关于这个职位
这是一个极具前瞻性的工业AI Agent工程师岗位，核心任务是用AI Native范式重构工业软件系统
你将基于大模型、Agent框架与Skill系统，将设备调试、工艺优化、质量诊断等工业流程抽象为可编排的AI能力，推动工厂从'人驱动'向'Agent驱动'演进
岗位不要求你具备工业背景，但需要你是一名Agent工程专家，能够快速理解工业场景并落地AI解决方案
最低要求
学历专业：本科及以上
知识技能：必备条件：
Agent系统与Skill框架实战经验：深入理解LLM-based Agent架构（Planning、Tool Calling、Memory、Multi-Agent协同），有完整的Agent项目从0到1落地经验
熟练使用至少一种主流Agent框架（LangGraph、AutoGen、CrewAI等），有OpenClaw，Hermes Agent或同类垂直Agent框架的部署与调优经验优先
具备Skill系统设计与开发经验：能够将复杂任务拆解为可复用、可编排、可版本化的Skill单元，有Skill Engine或类似能力编排系统的实际建设经验
vibe coding与AI Native工程能力：熟练使用AI编程工具（Cursor，CodeX，Claude Code等）进行高效开发，具备快速原型构建、代码生成与重构能力
有'用AI写AI'的实战经验：能够利用LLM辅助生成Prompt，Tool定义、Workflow逻辑，形成人机协同的开发范式
工程能力强，能独立将原型转化为生产级代码，熟悉Python，Docker、服务化部署及GPU推理优化
场景落地与产品化能力：具备将模糊业务需求转化为可执行Agent Workflow的能力，有复杂场景（不限于工业）的0→1落地经验
理解'AI能做什么'与'场景真正需要什么'之间的gap，能够权衡模型能力、系统复杂度与业务价值，做出务实的技术决策
有快速理解新领域（如工业制造、设备控制、质量检测）并构建对应AI解决方案的经验，学习能力强，不依赖领域知识预设
大模型与多模态基础：熟悉主流LLM（GPT-5，Claude，Llama，Qwen等）的能力边界与调用优化
了解VLM/多模态模型基础，有视觉-语言交互、工具调用链中接入多模态能力的经验优先
工作职责
）工业AI Agent与Workflow系统开发：设计面向工业场景的Agent Framework，支持复杂任务的自主规划、工具调用与多步执行
基于LLM + RAG构建工厂知识中枢，实现设备手册、工艺规范、历史案例的结构化检索与推理
开发Tool Calling与Memory机制，使Agent能够调用视觉检测、参数配置、日志分析等工业工具，形成可执行的Workflow
针对设备异常诊断、工艺参数优化、质量根因分析等场景，构建具备工业推理能力的Agent应用
）Skill系统与工业能力抽象：将视觉检测逻辑、设备调试流程、工艺参数规则等工业经验抽象为标准化、可复用、可编排的 Manufacturing Skills
参与Skill Engine设计，实现工业能力的注册、组合、版本管理与动态调用
构建工厂Memory System，支持产线数据的时序关联、经验沉淀与跨场景迁移
）多模态工业AI模型集成：融合工业图像、设备日志、PLC时序数据、传感器信号等多源数据，构建多模态理解能力
针对锂电极片缺陷、电芯外观检测、工艺参数异常等场景，推动VLM/多模态模型的产线集成与效果优化
建立模型性能监控与数据回流机制，支持在线迭代
）产线工程化部署与系统闭环：负责模型服务化、Agent Runtime,Workflow调度系统的工程实现
打通视觉系统、MES,SCADA,PLC的数据接口，建立统一的数据流与任务流
保障AI系统在产线环境中的实时性、稳定性与可扩展性，实现从模型到控制的端到端闭环
优先资格
有工业软件、MES，SCADA或设备控制系统对接经验（非必须，可进场学习）
有复杂Workflow编排、状态机设计或长程任务（Long-horizon Task）执行系统经验
参与过开源Agent框架贡献，或有AI Native工具链（如Devin，SWE-agent等）的深度使用经验
有锂电、半导体等制造场景的落地项目（加分，但更看重跨场景迁移能力）
AI 洞察
优缺点分析
优点
- 宁德时代作为全球动力电池龙头，平台实力雄厚，能够提供丰富的工业场景和海量真实数据，是技术落地的理想试验场
- 岗位不要求工业背景，更看重Agent工程能力，为纯AI背景的工程师提供了进入高端制造领域的绝佳机会
- 薪资水平在宁德地区极具竞争力，且作为上市公司，福利待遇和职业稳定性有保障
- 需要快速理解复杂的工业场景（如设备调试、工艺优化、质量诊断），对学习能力和跨领域迁移能力要求极高
- 作为前沿技术岗位，需要持续跟进Agent、多模态模型等领域的快速迭代，保持技术敏感度
- 适合对AI Agent技术充满热情、具备极强工程能力和快速学习能力，渴望在工业制造领域开创新天地的技术专家
缺点 / 挑战
- 站在AI+工业制造的最前沿，参与'AI Native'范式重构工业软件的历史性进程，技术挑战和成长空间巨大
- 产线环境对系统的实时性、稳定性要求严苛，工程化落地难度大，可能面临较大的工作压力
角色解读
- 从Agent工程专家成长为工业AI领域的架构师，主导工厂级AI系统的整体设计与落地
- 随着'Agent驱动'工厂模式的成熟，可向技术管理岗位（如AI团队负责人、技术总监）发展
- 积累锂电、半导体等高端制造领域的AI落地经验，成为跨行业的工业AI专家，职业选择面广阔
- 设计并开发面向工业场景的Agent Framework，支持复杂任务的自主规划、工具调用与多步执行，构建可落地的AI Workflow系统
- 将设备调试、工艺优化、质量诊断等工业经验抽象为标准化、可复用的Manufacturing Skills，并参与Skill Engine的设计与开发
- 融合工业图像、设备日志、PLC时序数据等多源数据，构建多模态理解能力，推动VLM/多模态模型在产线的集成与效果优化
- 负责模型服务化、Agent Runtime与Workflow调度系统的工程实现，打通视觉系统、MES、SCADA、PLC的数据接口，实现端到端闭环
- 深入理解LLM-based Agent架构（Planning、Tool Calling、Memory、Multi-Agent协同），并有完整的Agent项目从0到1落地经验
- 熟练使用至少一种主流Agent框架（LangGraph、AutoGen、CrewAI等），具备Skill系统设计与开发经验
- 熟练使用AI编程工具（Cursor，CodeX，Claude Code等）进行高效开发，具备'用AI写AI'的实战经验
- 熟悉Python、Docker、服务化部署及GPU推理优化，了解VLM/多模态模型基础
申请策略
- 在申请材料中明确表达对'AI Native'理念的认同和对工业智能化变革的热情，展现与岗位价值观的契合
- 面试中多准备几个展示你如何将模糊业务需求转化为可执行Agent Workflow的案例，突出你的产品化思维和务实的技术决策能力
- 重点突出完整的Agent项目从0到1的落地经验，详细描述项目的架构设计、技术选型和最终效果
- 强调Skill系统或类似能力编排系统的设计与开发经验，展示将复杂任务拆解为可复用模块的能力
- 突出使用AI编程工具（Cursor、Claude Code等）进行高效开发的实践，以及'用AI写AI'的独特工作方式
- 如果有任何跨领域（非工业）的AI解决方案落地经验，务必详细说明，以证明自己的场景迁移能力
- 提前熟悉LangGraph、AutoGen等主流Agent框架，并尝试构建一个简单的Agent应用，加深对Planning、Tool Calling、Memory等机制的理解
- 学习MES、SCADA、PLC等工业系统的基本概念和数据接口，了解工业场景的常见痛点，有助于在面试中展现快速学习能力
面试指南
- STAR法则：在回答项目经验类问题时，清晰阐述情境（Situation）、任务（Task）、行动（Action）和结果（Result），重点突出你的技术决策和量化成果
- 第一性原理：在回答设计类问题时，从业务本质需求出发，拆解核心问题，再逐步展开技术方案，展现你的系统思考能力
- 务实权衡：在回答技术选型或方案对比类问题时，从模型能力、系统复杂度、业务价值三个维度进行分析，体现你的工程判断力
- 请详细描述你从0到1落地的一个Agent项目，包括架构设计、遇到的挑战和解决方案
- 如何设计一个Skill系统，将设备调试流程抽象为可复用、可编排的Skill单元？请谈谈你的设计思路
- 在将AI系统部署到产线环境时，如何保障系统的实时性、稳定性和可扩展性？
- 你如何理解'AI能做什么'与'场景真正需要什么'之间的gap？请举例说明你是如何权衡的
- 假设需要构建一个基于LLM+RAG的工厂知识中枢，你会如何设计数据架构和检索策略？
职位点评
薪资福利80
成长发展95
工作生活40
使命价值85
薪资福利
80较高
宁德时代作为上市公司和行业巨头，提供具有竞争力的薪酬和稳定的职业保障，但JD未明确具体薪资和福利细节。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
95较高
该岗位处于AI Agent与工业制造交叉的最前沿，技术要求极高，涉及大量新兴技术，能提供极佳的个人成长和技能提升机会。
技术前沿前沿/新兴技术
技术栈Agent、LLM、RAG、LangGraph、AutoGen、CrewAI、VLM、多模态、GPU推理、Skill Engine
业务类型profit_center
工作生活
40较低
岗位要求现场办公，工作地点在福建宁德，生活便利性相对一线城市有差距，且产线环境可能伴随一定的工作强度。
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
85较高
该岗位致力于推动制造业的智能化转型，通过AI技术提升生产效率和质量，具有较高的社会价值和行业意义。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号推动工厂从'人驱动'向'Agent驱动'演进
创新程度开拓性创新（行业首创）
Watch Jobs