飞利浦
AI/LLM Application Engineer
AI/LLM Application Engineer
发布于 1 天前普通员工/个人贡献者
沈阳市
中级经验
全职员工
仅现场办公
学历未注明
软件工程
RAG
API
LLM
向量搜索
AI Agent
ALM
QMS
DOORS
AI 估算 · 18k–30k
沈阳AI岗位，外资巨头，中级经验，薪资中等偏上，竞争力较好。
职位详情
关于这个职位
该职位是飞利浦研发团队的AI/LLM应用工程师，主要负责开发、集成和维护用于医疗设备研发的AI质量管理平台
您将构建生产级的AI服务、提示词管道、RAG系统和工作流代理，帮助提升质量体系效率，同时确保符合法规要求
适合有3年以上软件工程和AI应用开发经验的技术人才
最低要求
年以上软件工程、AI应用开发、LLM集成、工作流自动化或企业系统集成经验
熟练掌握Python编程，具备API、后端服务、结构化数据处理和AI/LLM应用开发实践经验
有构建RAG管道、基于提示词的应用程序、评估工作流或面向业务/工程用例的代理系统的实践经验
熟悉向量搜索、文档分块、元数据过滤、引用生成和提示词/版本管理
有使用云AI平台、模型API或企业环境中本地/私有推理环境的经验
理解日志记录、测试、可重复性、访问控制和受控环境部署的良好工程实践
能够与领域专家有效合作，将业务或QMS需求转化为可用的技术工作流和审查者输出
具备较强的书面和口头沟通能力，能够为工程和质量利益相关者清晰地记录技术方案
工作职责
开发AI/LLM应用程序服务，包括提示管道、RAG服务、工作流编排、证据生成和审查者输出
构建和维护与企业系统（如DOORS、ALM、ClearQuest、Windchill、SOP/文档仓库、DHF仓库）的只读集成
实现AI代理，用于需求质量检查、可追溯性差距检测、DHF完整性审查、缺陷/变更影响分析、合规检查和草稿证据生成
创建和维护提示库、检索管道、元数据模式、源引用机制和与批准的QMS工作流对齐的输出模板
实现受控和可追溯AI使用所需的审计日志、模型路由、访问控制、项目隔离和证据打包
通过构建测试工具、代表性数据集、提示回归测试、幻觉检查和工作流验证证据来支持OQ/PQ活动
与SME、QA、RA、软件质量和验证团队合作，优化用例、验收标准和审查者工作流
优化模型调用、文档处理、检索质量和应用程序集成方面的系统性能、可靠性和可观测性
维护技术文档、开发文档和配置记录，以支持受控部署和持续变更管理
为试点推出、用户反馈循环以及AI Harness向新用例和产品团队的增量扩展做出贡献
AI 洞察
优缺点分析
优点
- 飞利浦作为全球医疗科技巨头，平台稳定，项目资源丰富
- 聚焦AI在医疗质量体系的应用，技术前沿且具有社会价值
- 积累LLM、RAG等热门技术经验，市场竞争力强
- 工作涉及复杂的企业系统集成和严格合规要求，学习曲线陡峭
- 沈阳本地AI岗位机会相对一线城市少，长期发展需关注内部晋升
- 适合有3年以上经验、热爱AI应用开发、希望在医疗领域深耕的技术人才，尤其适合注重稳定性和技术深度的人
缺点 / 挑战
- 可能需与跨部门团队协作，沟通成本较高
角色解读
- 向AI架构师或技术专家方向发展，深入LLM应用和医疗领域知识
- 可晋升为团队技术负责人或项目经理，领导AI平台建设
- 在医疗科技领域积累合规和质量管理经验，成为行业稀缺人才
- 开发AI/LLM应用服务，构建提示管道、RAG系统和AI代理，用于医疗设备研发的质量管理
- 集成企业系统（如DOORS、Windchill），实现只读数据接入和自动化工作流
- 优化模型调用、文档处理和检索质量，确保系统性能和可靠性
- 扎实的Python编程能力，熟悉API开发、后端服务和数据处理
- 有构建RAG管道、提示词应用和AI代理的实践经验
- 了解向量搜索、文档分块、引用生成和提示词版本管理
- 熟悉云AI平台或企业级推理环境，以及良好的工程实践（日志、测试、部署）
申请策略
- 研究飞利浦的医疗设备质量体系，面试时展现对QMS的理解
- 准备好展示AI应用如何提升效率且满足合规的案例
- 突出Python和后端开发经验，尤其是API和LLM相关的项目
- 详细描述RAG管道或AI代理的构建过程，包括技术选型和效果
- 如果有企业系统集成（如ALM、Windchill）经验，务必强调
- 补充向量搜索和文档分块的知识，如使用FAISS或Chroma
- 学习医疗行业合规（如FDA、ISO 13485）的基础知识，提升竞争力
面试指南
- 对于项目经验问题，使用STAR方法：情境、任务、行动、结果
- 对于合规问题，强调日志记录、版本控制、人工审核等实践
- 请描述你构建的一个RAG项目，包括技术栈和遇到的挑战
- 如何在AI应用中确保输出结果的合规性和可追溯性？
- 你如何选择LLM模型？生产环境中如何管理提示词版本？
- 解释向量搜索中的元数据过滤和引用生成是如何实现的
- 你如何处理企业系统集成中的数据安全与访问控制？
- 复习RAG架构、LLM微调、提示工程等核心技术
职位点评
74
综合评分
外企医疗AI前沿岗，技术成长快，薪资中上，WLB不明确。
更适合这类人
适合追求技术成长和行业意义感的求职者，对工作生活平衡要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展85
工作生活60
使命价值80
薪资福利
70中等
薪资在沈阳具有竞争力，外企福利稳定，但具体薪资未披露，整体处于中等偏上水平。
薪资信号未披露（AI估算：18K-30K/月）
成长发展
85较高
技术栈前沿（LLM、RAG），项目涉及AI在医疗领域的创新应用，成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、RAG、AI Agent、Python、向量搜索
业务类型ambiguous
工作生活
60中等
未明确提及灵活办公或加班情况，外企通常WLB较好，但具体模式不明确。
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
80较高
飞利浦专注于医疗健康，职位直接改善质量体系效率，具有社会价值，行业前景好。
行业发展稳定成熟行业
社会影响正向社会影响力较高
使命信号every human matters、access to quality healthcare
创新程度积极采用新技术
Watch Jobs