智谱
算法工程师
算法工程师
发布于 6 个月前普通员工/个人贡献者
全职员工仅现场办公软件工程
软件工程
向量检索
微调
知识图谱
LLM
NLP
PyTorch
RAG
值不值得投
79综合评分
综合评分 79
前沿AI算法岗，技术成长性极佳，薪资竞争力强，需深圳现场办公。
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
4万
比软件工程中位数高
发布情况
长期在招 · 165 天前发布
公司情况
这家公司招聘很活跃
约 280 个在招 · 其中软件工程 约 120 个
市场机会
选择面较广
深圳 · 软件工程 · 约 670 个在招
职位详情
关于这个职位
这是一个专注于大语言模型（LLM）应用落地的算法工程师职位
你将负责NLP核心算法的研发与优化，深度参与RAG、智能问数、智能体等前沿业务场景的开发，并设计面向垂直领域的模型微调方案
职位要求扎实的NLP理论基础和PyTorch工程能力，致力于将前沿AI技术转化为稳定可靠的业务解决方案
最低要求
计算机、人工智能或相关专业硕士及以上学历
扎实的NLP与机器学习理论功底，深入理解大语言模型的架构、训练范式（如预训练、SFT、RLHF）与推理机制
精通 PyTorch 等主流深度学习框架，具备大模型微调、部署、评估与性能优化的实际经验
熟悉参数高效微调（PEFT）技术（LoRA/QLoRA/Adapter 等）及指令微调全流程，能针对业务场景设计高效适配方案
具备良好的工程实现能力，熟悉数据处理、向量检索（FAISS / Milvus）、缓存机制及高可用API设计
具备优秀的逻辑思维与问题抽象能力，能将复杂技术转化为稳定、可维护的业务解决方案
具备良好的沟通协作意识，能高效协同产品、工程与业务团队
工作职责
负责自然语言处理（NLP）相关核心算法的研究、开发与优化，聚焦大语言模型（LLM）等前沿技术在真实业务场景中的高效、可靠落地
深度参与典型业务场景的LLM应用开发，包括但不限于：检索增强生成（RAG），智能问数（NL2SQL或NL2API），智能体（Agent）与多智能体协作架构，知识图谱（Knowledge Graph）构建与基于图的问答推理
设计并实施面向垂直领域的模型微调方案，熟练运用指令微调（SFT）、参数高效微调（如 LoRA、QLoRA、Adapter）等技术，提升模型在特定任务上的准确性、鲁棒性与推理效率
参与高质量训练数据的构建、合成（如基于LLM的数据蒸馏、自反馈生成）、清洗与标注策略设计，打造可持续迭代的数据-模型飞轮
持续跟踪大模型、Agent、推理优化等方向的前沿进展，评估并引入适合业务需求的新技术，推动团队保持技术领先性
优先资格
在以下至少一个方向有完整的项目落地经验：
有 RAG 系统构建与调优经验（如检索-生成对齐、查询改写、结果重排等）
有 NL2SQL、NL2API 或通用语义解析系统的开发经验
有基于LLM的智能体（Agent）系统开发经验（含工具调用、记忆管理、多步推理等）
有企业级知识库问答或对话系统的完整落地项目
AI 洞察
优缺点分析
优点
- 技术前沿：深度参与LLM、Agent等AI领域最前沿的技术研发与应用，技能积累价值高
- 平台机会：在AI公司核心算法岗位工作，能接触到真实的业务场景和高质量项目，成长空间大
- 行业前景：大模型是当前AI发展的核心方向，职业发展前景广阔，市场需求旺盛
- 适合对NLP和大模型技术有浓厚兴趣、具备扎实理论基础和工程实践能力，并希望在前沿AI领域深耕发展的技术人才
缺点 / 挑战
- 技术难度高：需要持续跟进快速迭代的前沿技术，并解决复杂的工程落地问题，学习压力大
- 工作强度可能较大：前沿技术研发和业务落地通常要求快速响应和交付，可能面临一定的工作压力
- 竞争激烈：该领域吸引了大量优秀人才，对求职者的技术深度和项目经验要求较高
角色解读
- 技术路径：可以从算法工程师成长为资深算法专家或架构师，在LLM、Agent等前沿领域建立深度技术壁垒
- 业务路径：随着对业务理解的加深，可以向技术负责人或AI产品经理方向发展，主导AI产品的技术规划与落地
- 你将负责大语言模型（LLM）在真实业务场景中的落地应用，包括RAG、智能问数、智能体等系统的开发与优化
- 你需要设计并实施面向垂直领域的模型微调方案，运用SFT、LoRA等技术提升模型在特定任务上的性能
- 你将参与构建高质量的训练数据，并持续跟踪大模型、Agent等前沿技术进展，推动团队技术迭代
- 扎实的NLP与机器学习理论基础，深入理解LLM的架构、训练与推理机制
- 精通PyTorch框架，具备大模型微调、部署、评估与性能优化的实际工程经验
- 熟悉参数高效微调（PEFT）技术，并能针对业务场景设计高效的适配方案
- 具备良好的工程实现能力，熟悉数据处理、向量检索、高可用API设计等
申请策略
- 申请前可深入了解智谱公司的业务方向和技术产品，思考你的技能如何与其业务需求结合
- 准备好详细阐述你过往项目中遇到的技术难点、解决方案以及从中获得的经验教训
- 重点突出与LLM、NLP相关的项目经验，特别是RAG、智能体、模型微调等方向的落地项目
- 详细描述你在项目中承担的具体职责、使用的技术栈（如PyTorch、LoRA）、以及取得的量化成果
- 展示你扎实的机器学习/NLP理论基础，以及将复杂技术问题转化为可维护解决方案的能力
- 深入理解并实践至少一种主流的参数高效微调技术（如LoRA），并能在项目中清晰阐述其原理与应用
- 补充或巩固向量检索（如FAISS/Milvus）、高可用API设计、数据处理管道等工程化技能
- 关注并学习最新的Agent框架、RAG优化技术等前沿动态，形成自己的技术见解
面试指南
- 使用STAR法则（情境、任务、行动、结果）来结构化地描述项目经验，突出你的技术贡献和问题解决能力
- 对于技术原理问题，先清晰阐述核心概念，再结合具体应用场景说明你的理解和实践经验
- 对于方案设计问题，展现你的系统性思维，从业务需求、数据、模型、评估到部署维护等多个维度进行考虑
- 请详细介绍一个你参与的LLM相关项目，你在其中承担的角色、使用的技术以及遇到的挑战
- 你是如何设计一个RAG系统的？在检索-生成对齐、查询改写等方面做了哪些优化？
- 请解释一下LoRA的原理，并说明你在什么场景下使用过它，效果如何？
- 如果让你为一个垂直领域（如金融、医疗）设计一个模型微调方案，你会考虑哪些因素？
- 如何评估一个大语言模型在特定任务上的性能？你会关注哪些指标？
职位点评
薪资福利80
成长发展95
工作生活50
使命价值85
薪资福利
80较高
薪资预计具备市场竞争力，但具体福利待遇未在JD中明确披露，存在一定不确定性。
薪资信号未披露（AI估算：3–5万/月）
成长发展
95较高
职位聚焦LLM、Agent等最前沿的AI技术，提供深度参与核心业务场景的机会，技术成长性极佳。
技术前沿前沿/新兴技术
技术栈NLP、LLM、PyTorch、RAG、Agent、SFT、LoRA、QLoRA、Adapter、FAISS、Milvus
业务类型profit_center
工作生活
50较低
工作地点明确为深圳，需现场办公，且JD未提及任何WLB相关信号，通勤和工时灵活性可能有限。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
85较高
致力于推动前沿AI技术在真实场景中落地，属于高速增长且具有变革潜力的赛道，工作意义感较强。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs