Pharmaron logo
康龙化成
2027届-硕士-AI应用研究员(FDE)-北京/上海

2027届-硕士-AI应用研究员(FDE)-北京/上海

发布于 2 小时前

普通员工/个人贡献者

AI 估算 · 1.8–3.0万 · AI 参考估算
无经验要求
硕士
全职员工仅现场办公AI算法
AI算法
Agent编排
Langgraph
Llm应用
N8N
Prompt Engineering
Rag
评测体系

值不值得投

76综合评分

综合评分 76

前沿LLM应用、真实生命科学场景、成长路径清晰,办公与生活平衡信息不明确

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,方便比较职业起点。

薪资怎么样

2.4万

比AI算法中位数高

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 440 个在招

市场机会

选择面较广

北京 · AI算法 · 约 240 个在招

职位详情

关于这个职位

该岗位面向2027届硕士,加入CRO企业AI研究院,以前线部署方式深入临床、药物警戒和临床试验等真实生命科学场景

你将负责把大模型能力转化为可上线、可评测、可审计的LLM应用与Agent,并端到端参与需求定义、开发交付和效果迭代

最低要求

专业背景:计算机、软件工程、人工智能等相关专业为主

医学、药学、护理、流行病学、生物统计等复合背景在对应应用阵地优先(如药学背景之于药物警戒、统计背景之于数据统计、临床背景之于病历结构化与患者管理)
全栈型 LLM 应用能力:prompt 体系、RAG、工具调用与 agent 编排,必要时轻量微调
工程落地能力:服务化、与业务系统 API 对接,有数据权限与安全意识
强业务拆解与现场沟通能力:能与非技术背景的医学专家顺畅沟通,把模糊、不确定的业务问题拆解为可交付的工程里程碑
产品思维:能独立完成需求挖掘、功能定义与效果复盘,具备“需求→方案→开发→测试→发布”全链路的主导能力
评测意识:以量化收益与使用数据验证价值,而非以演示效果为终点

工作职责

方向定位:以前线部署(Forward-Deployed)的方式把模型能力转化为业务结果:嵌入临床与医疗服务一线,面向具体应用构建 agent 与 LLM 应用,负责从需求拆解到上线迭代的端到端交付

研究院不设产品经理与项目经理,这些职能由 FDE 研究员承担,你同时是研究员、产品定义者与交付负责人
当前六大应用阵地:病历结构化、AI 患者管理、药物警戒、临床试验患者匹配、AI 赋能 CPC、AI 赋能数据统计
每位 FDE 研究员绑定一个主阵地
核心工作:
一线嵌入与问题定义:深入医院、研究中心与项目团队的真实工作现场,把模糊的业务痛点转译为输入输出明确、可评测的 AI 任务
Agent 与应用构建:基于研究院 Harness 框架构建面向场景的 agent 与 LLM 应用(信息抽取与结构化、医学文书写作与生成、检索问答、多轮对话、诊断与风险预测、推理匹配、代码生成等形态),掌握从低代码快速原型(Dify/n8n 等)到代码级 agent 框架(LangGraph 等)的“硬编排+软编排”路径,必要时轻量微调
领域数据与评测闭环:与临床/业务专家共建金标准与评测集,设计人机协同流程(升级人工、审核、审计追踪),以线上使用数据驱动迭代
领域深耕:掌握所在阵地的领域知识与标准(如 ICD/MedDRA 术语体系、E2B 与 GVP 合规要求、CDISC 数据标准、临床试验运营流程等),成为“懂业务的技术人”
产品与项目职能(FDE 模式):挖掘需求并定义功能与流程(轻量 PRD/用户故事)、制定落地节奏、协调临床与业务资源、上线运营与效果复盘——从概念到上线全程 own
协同接口:把一线失败案例回流给后训练,把共性工程需求沉淀给 Harness,对应用的端到端业务结果负责
绑定与协作模式:
绑定一个主应用阵地,对该应用的端到端业务结果负责
主阵地内的领域深度与跨阵地的方法复用同等重要,根据发展与业务需要可在阵地间轮转
阵地间人力与优先级由技术线负责人统筹

优先资格

论文优先

非硬性
agent/应用方向论文,或同等分量的开源项目与产品作品优先
相关经验优先
生产级 LLM/agent 应用建设、B 端工具从 0 到 1 落地、人机协同流程设计
所绑定阵地的领域经验(如医学 NLP、EMR/医院信息化、PV/注册、临床试验运营、SAS/R 统计编程与 CDISC)显著加分

AI 洞察

优缺点分析

优点

  • 岗位直接面向真实生命科学业务场景,工作成果有机会上线并被医生、患者和项目团队实际使用,而非停留在实验或演示阶段
  • 研究院提供临床、药物警戒和统计专家支持,有助于技术人快速理解业务语境
  • JD明确提到支持Cursor、Claude Code等先进AI工具及持续算力投入,适合希望深度实践LLM应用的人
  • 科学职级序列与业务结果挂钩,学术成果和落地贡献都被纳入评价体系
  • FDE模式要求同时承担研究、产品定义和交付职责,边界较宽,对需求管理和优先级把控能力要求高
  • 需要理解医疗、药物警戒、临床试验等强规范领域知识与标准,学习曲线较陡
  • 适合硕士应届或初级AI人才中,既喜欢LLM应用工程,又愿意深入医疗和生命科学业务场景的人
  • 尤其适合具备计算机/AI能力并愿意补充医学、药学、统计或临床运营知识的复合型候选人

缺点 / 挑战

  • 应用上线后需要对端到端业务结果负责,压力不只来自模型效果,也来自真实场景的稳定性、审计和人机协同设计

角色解读

  • 可从助理研究员逐步成长到高级研究员、首席主任研究员等科学职级,并有机会与集团管理序列打通
  • 成长方向包括深耕某一应用阵地成为生命科学AI场景专家,或横向复用方法到病历结构化、患者管理、药物警戒、临床试验匹配等多个阵地
  • 长期可发展为AI应用架构负责人、领域AI产品负责人或研究院技术管理角色
  • 深入医院、研究中心和项目团队现场,把临床、药物警戒、临床试验等场景中的模糊痛点转化为可评测的AI任务
  • 基于Harness框架、Dify/n8n、LangGraph等构建LLM应用和Agent,覆盖信息抽取、医学文书生成、检索问答、多轮对话、风险预测等形态
  • 与临床和业务专家共建金标准、评测集与人机协同流程,并用线上数据持续迭代
  • 以FDE模式承担部分产品与项目职责,包括需求挖掘、轻量PRD、落地节奏、资源协调、上线运营和效果复盘
  • 需要掌握Prompt体系、RAG、工具调用、Agent编排和必要的轻量微调能力
  • 需要具备服务化、API对接、数据权限与安全意识,能把原型推进到生产级应用
  • 需要能与医学、药学、统计等非技术专家沟通,将不确定业务问题拆解为工程里程碑
  • 还需要具备评测意识,用量化收益和使用数据验证应用价值

申请策略

  • 申请时建议明确表达你愿意深入一线现场,而不是只做模型算法研究
  • JD强调面试不考八股、关注真实项目和归因,因此应准备项目复盘:为什么这样设计、遇到什么失败、如何评测、如何迭代
  • 重点突出你做过的LLM或Agent项目,尤其是从需求定义、方案设计、开发实现到评测上线的完整链路
  • 写明使用的技术栈,如Prompt、RAG、工具调用、LangGraph、Dify、n8n、API对接、服务化或轻量微调
  • 强调量化评测方法,例如准确率、召回率、人工审核通过率、效率提升或线上使用数据
  • 若有医学NLP、EMR、药物警戒、临床试验、CDISC、SAS/R或B端工具落地经历,应单独突出
  • 短期可补强Agent编排、RAG评测、工具调用和生产级LLM应用部署能力,准备一个可展示的端到端项目
  • 建议熟悉ICD、MedDRA、CDISC、E2B、GVP等生命科学领域基础概念,至少能理解其在业务中的作用

面试指南

  • 项目类问题可按“业务背景—任务定义—技术方案—评测指标—失败归因—迭代结果”展开,突出你对真实价值的判断
  • 方案类问题可先澄清用户、输入输出、约束和成功指标,再给出原型、评测、上线和监控的阶段性计划
  • 动机类问题要体现你愿意深入现场、与专家协作,并能接受从需求到交付的端到端责任
  • 请介绍一个你做过的LLM应用或Agent项目,说明需求来源、技术方案、评测方式和最终结果
  • 如果临床专家提出一个模糊需求,例如“帮我们提高病历结构化效率”,你会如何拆解成可交付的AI任务?
  • 你如何设计一个RAG或Agent系统的评测集,并判断它是否可以上线?
  • 面对医学术语、合规要求或业务系统API限制时,你如何推进生产级落地?
  • 你为什么选择FDE模式岗位,如何平衡研究、产品定义和交付职责?

职位点评

薪资福利72
成长发展92
工作生活45
使命价值90

薪资福利

72中等

JD未披露薪资与具体福利,但岗位面向硕士校招且强调前沿AI应用能力,薪资吸引力需结合面试沟通确认。稳定性与福利信息不足,无法给出更高判断。

薪资信号未披露(AI估算:1.8千–3.0万/月)

成长发展

92较高

岗位提供真实生命科学场景、先进AI工具、算力投入和从助理研究员到首席主任研究员的科学职级序列,成长信号非常明确。FDE模式让研究员直接参与需求、产品、交付和迭代,能力成长路径较完整。

技术前沿前沿/新兴技术
技术栈大模型、LLM应用、Agent、RAG、Prompt、LangGraph、Dify、n8n、轻量微调、Cursor、Claude Code
成长机会专家护航、工具与算力自由、完整成长曲线、科学职级序列、与集团 M 序列对应打通
业务类型ambiguous

工作生活

45较低

JD明确提到深入医院、研究中心与项目团队现场,并强调端到端交付和上线结果负责,办公灵活性信号有限。工作模式、工时和加班情况未明确,生活化动机满足度难以判断偏高。

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

90较高

岗位直接面向患者管理、医疗诊断预测、药物警戒和临床试验运营等真实生命科学场景,强调可交付、可审计的可靠性和真实业务价值。JD中多次体现改善医疗与药物研发流程的意义感,使命导向强。

行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号真实患者的随访对话、病历、诊断与风险预测、药物警戒与临床试验的运营现场、参与定义 AI 在生命科学中的可能性、可交付、可审计的可靠性、真实战场、用它的是真实的医生、患者和项目团队
创新程度积极采用新技术
Watch Jobs