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

2027届-博士-AI应用研究员(FDE)-北京/上海

发布于 19 分钟前

普通员工/个人贡献者

AI 估算 · 2.5–4.0万 · AI 参考估算
其它
博士
全职员工仅现场办公AI药物设计
AI药物设计
Agent编排
Langgraph
Llm应用开发
Prompt Engineering
Rag
临床数据分析
产品经理思维
大模型微调

值不值得投

82综合评分

综合评分 82

前沿AI技术在生命科学领域的深度应用,高成长性与社会价值并存,但需适应一线业务压力

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

3.3万

比AI药物设计中位数低

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 440 个在招

市场机会

选择适中

北京 · AI药物设计 · 15 个在招

职位详情

关于这个职位

作为康龙化成AI研究院的Forward-Deployed Engineer (FDE),你将深入临床与医疗一线,将大模型能力转化为实际业务成果

负责构建Agent与LLM应用(如病历结构化、患者管理),从需求定义到上线交付全流程负责,并建立领域数据评测闭环

最低要求

届博士毕业生

计算机、软件工程、人工智能等相关专业
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
具备全栈型LLM应用能力:掌握prompt体系、RAG、工具调用与agent编排,必要时可进行轻量微调
具备工程落地能力:熟悉服务化、业务系统API对接,有数据权限与安全意识
具备强业务拆解与现场沟通能力,能将模糊业务问题拆解为可交付的工程里程碑
具备产品思维,能独立完成需求挖掘、功能定义与效果复盘
具备评测意识,以量化收益验证价值

工作职责

一线嵌入与问题定义:深入医院、研究中心与项目团队,把模糊的业务痛点转译为可评测的AI任务

Agent与应用构建:基于Harness框架构建面向场景的agent与LLM应用(信息抽取、文书生成、检索问答、诊断预测等),掌握从低代码原型到代码级框架的路径
领域数据与评测闭环:与专家共建金标准与评测集,设计人机协同流程,以线上数据驱动迭代
领域深耕:掌握所在阵地的领域知识与标准(如ICD/MedDRA、GVP合规、CDISC等)
产品与项目职能(FDE模式):挖掘需求、定义功能流程、制定落地节奏、协调资源、上线运营与复盘
协同接口:回流失败案例给后训练,沉淀共性工程需求给Harness,对端到端业务结果负责

优先资格

有agent/应用方向论文,或同等分量的开源项目与产品作品优先

有生产级LLM/agent应用建设、B端工具从0到1落地、人机协同流程设计经验优先
所绑定阵地的领域经验显著加分,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

AI 洞察

优缺点分析

优点

  • 平台优势:全球CRO龙头企业的AI研究院,资源丰富,算力充足
  • 实战导向:直接面对真实医疗场景和数据,避免纯算法研究的脱离实际
  • 成长路径清晰:明确的职级序列,学术成果与业务贡献并重
  • 技术前沿:接触最前沿的LLM与Agent技术,并在垂直领域深度应用
  • 业务复杂度高:需要快速掌握医学、药学等专业领域知识,学习曲线陡峭
  • 跨部门协作难:需频繁与临床、统计等非技术团队沟通,协调成本高
  • 适合具备扎实AI技术基础,同时对生命科学领域感兴趣,且具备较强业务理解和沟通能力的博士毕业生

缺点 / 挑战

  • 责任压力大:作为FDE需对端到端业务结果负责,不仅是技术开发
  • 数据合规挑战:处理患者数据和医疗信息,需严格遵守GVP等合规要求

角色解读

  • 沿着科学职级序列晋升,从助理研究员到首席主任研究员
  • 成为既懂AI技术又精通生命科学业务的复合型专家
  • 在特定应用领域(如药物警戒、临床试验)积累深厚壁垒,可向技术管理或高级专家方向发展
  • 深入医疗一线场景,将模糊的业务需求转化为具体的AI任务定义
  • 构建和部署基于大模型的Agent应用,如病历结构化、患者管理等
  • 负责从需求分析、方案设计到上线迭代的全流程交付
  • 建立领域数据评测体系,与人机协同流程优化相结合
  • 扎实的LLM应用能力,包括Prompt工程、RAG、Agent编排及轻量微调
  • 全栈工程落地能力,包括服务化部署、API对接及数据安全
  • 极强的业务拆解与沟通能力,能与非技术背景的医学专家高效协作
  • 产品思维与项目管理能力,能够独立主导从概念到上线的全过程

申请策略

  • 准备具体的项目案例,重点阐述如何解决实际问题而非单纯的技术堆砌
  • 展现对生命科学行业的兴趣和了解,说明为何选择加入CRO企业
  • 面试中体现‘解决问题’的思维,而非仅仅展示技术细节
  • 突出LLM/Agent相关的项目经验,特别是从0到1的落地案例
  • 强调跨学科合作经历,展示与非技术团队沟通协作的能力
  • 列出相关的学术论文、开源项目或产品作品,证明技术实力
  • 如有医学、药学或生物统计背景,务必重点标注其与AI的结合点
  • 深入学习LangChain、LangGraph等Agent开发框架

面试指南

  • STAR法则:情境(Situation)、任务(Task)、行动(Action)、结果(Result)
  • 强调业务价值:不仅讲技术实现,更要讲解决了什么业务问题,带来了什么量化收益
  • 展示思考过程:重点阐述如何拆解问题、权衡方案、应对挑战
  • 体现学习能力:展示如何快速掌握新领域知识,并与现有技术结合
  • 请介绍一个你主导的LLM或Agent应用项目,你是如何定义需求和评估效果的?
  • 在面对模糊的业务需求时,你通常如何将其转化为可执行的AI任务?
  • 如果模型在真实场景中表现不佳,你会如何排查原因并进行优化?
  • 你如何理解AI在生命科学领域的应用挑战?如何应对数据合规和安全问题?

职位点评

薪资福利80
成长发展95
工作生活60
使命价值90

薪资福利

80较高

作为已上市跨国巨头企业的校招博士岗,薪资福利具有市场竞争力,且提供稳定的职业发展平台。

薪资信号未披露(AI估算:2.5千–4.0万/月)

成长发展

95较高

职位提供清晰的科学职级序列,鼓励学术成果与业务转化,且接触前沿AI技术与真实业务场景,成长空间巨大。

技术前沿前沿/新兴技术
技术栈LLM、Agent、RAG、Prompt Engineering、LangGraph、Dify、n8n
成长机会完整成长曲线、从 Associate Scientist 到 Senior Principal Scientist 的科学职级序列、学术成果转化为业务结果同样计入贡献
业务类型profit_center

工作生活

60中等

职位需要深入一线现场,可能涉及出差或驻场,工作强度较高,但公司提供灵活的工具支持和相对开放的文化。

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

90较高

职位直接服务于生命科学和医疗健康领域,旨在改善患者随访、诊断和药物研发效率,具有显著的社会价值和使命感。

行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号让 AI 走进真实患者的随访对话、病历、诊断与风险预测、参与定义 AI 在生命科学中的可能性
创新程度积极采用新技术
Watch Jobs