职位详情

职位列表 链接失效 不适用(官网全量采集) official:tencent:2086467463696003072

腾讯云-国际行业解决方案架构师-AI业务应用LLM/Agent 方向

未披露 · 上海 · 腾讯

主分类:交付技术架构
解决方案与项目管理
辅助:Agent系统开发(仅展示)
来源 JD 数据(旧分类保留,当前主分类见上方)
{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "腾讯云-国际行业解决方案架构师-AI业务应用LLM/Agent 方向",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "CSIG",
        "location": "上海",
        "work_mode": "未披露",AI生成
        "job_category": "产品"AI生成
    },
    "company": {
        "company_name": "腾讯",
        "company_industry": "互联网 / 科技 / 人工智能",
        "company_size": "10000人以上",
        "company_website": "tencent.com",
        "company_description": "腾讯是一家互联网和科技公司,业务覆盖通信与社交、数字内容、游戏、金融科技、企业服务、云计算与人工智能等方向。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": 3,
        "degree": "本科及以上学历",
        "language": "2.良好的英文能力,能够与国际客户顺畅英文沟通,有全程英文服务海外客户的工作经验",AI生成
        "visa_support": "未披露",
        "responsibilities": "1.深入客户业务场景,将模糊需求拆解为可执行的技术路线图,主导需求分析、技术选型、架构设计,输出可落地的大模型应用解决方案;\r\n2.基于大模型构建企业级 AI Agent 与 RAG 应用,熟练运用 Prompt Engineering、Function Calling、上下文工程等技术,设计多 Agent 协同与跨系统互通方案;\r\n3.主导项目落地交付,覆盖场景适配、系统集成、效果调优、上线护航,确保方案在客户生产环境稳定运行;\r\n4.跟踪业务效果指标(如响应准确率、任务完成率、人工接管率、效率提升等),持续调优方案,并将一线经验沉淀为可复用的交付资产与方案模板,反哺产品竞争力提升;\r\n5.与客户深度沟通,精准挖掘智能体在业务场景中的核心痛点与需求,转化为可落地的产品方案;与客户技术团队协作完成系统集成与知识转移。",
        "requirements_text": "1.本科及以上学历,计算机 / 软件工程 / AI 等相关专业;3 年以上开发或交付经验,1 年以上大模型项目经验;\n2.良好的英文能力,能够与国际客户顺畅英文沟通,有全程英文服务海外客户的工作经验;\n3.精通 Python,熟悉 Java / Go / TypeScript 之一;具备扎实的工程能力,能独立完成端到端应用开发与交付;\n4.深入理解 LLM 原理,熟练掌握 Prompt Engineering、Function Calling 等核心技术;\n5.有企业级 AI Agent 落地经验,熟悉主流 Agent 框架(LangChain / Dify 等)及 RAG 技术链路;\n6.熟悉上下文工程与 Prompt 工程实践,能定制 Agent 编排方案;了解 MCP 协议、跨系统集成者优先;\n7.熟悉 Docker / K8s 及云原生架构基础,了解主流公有云平台;\n8.具备客户高管沟通与现场问题拆解能力,接受出差驻场。",
        "skills": [AI生成
            "Python",
            "TypeScript",
            "Java",
            "Docker",
            "Go",
            "大语言模型",
            "检索增强生成",
            "智能体开发"
        ],
        "preferred_qualifications": "1.面向国际市场客户客户业务场景,基于大模型构建企业级 AI 应用与智能体解决方案,主导从需求挖掘到生产落地的端到端交付。核心是具备“用大模型技术栈把业务痛点变成可稳定运行的生产级 AI 应用”的相关经验优先。",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://careers.tencent.com/jobdesc.html?postId=2086467463696003072"
            }
        ]
    },
    "posting": {
        "posting_id": "2086467463696003072",
        "post_date": "2026-08-10",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://careers.tencent.com/jobdesc.html?postId=2086467463696003072"
    },
    "fulltext": "腾讯云-国际行业解决方案架构师-AI业务应用LLM/Agent 方向\n“用户为本,科技向善”,是写在每位腾讯产品人心中的一句箴言。在互联网浪潮中,大众的生活已被深刻地改变,如何为用户创造价值、创造怎样的价值,需要每位产品人花费更长时间去体会与探索。在这里,你将与同样关注细节、关注本质、关注美好的同事一道,开启你的创造性工作。\n1.深入客户业务场景,将模糊需求拆解为可执行的技术路线图,主导需求分析、技术选型、架构设计,输出可落地的大模型应用解决方案;\r\n2.基于大模型构建企业级 AI Agent 与 RAG 应用,熟练运用 Prompt Engineering、Function Calling、上下文工程等技术,设计多 Agent 协同与跨系统互通方案;\r\n3.主导项目落地交付,覆盖场景适配、系统集成、效果调优、上线护航,确保方案在客户生产环境稳定运行;\r\n4.跟踪业务效果指标(如响应准确率、任务完成率、人工接管率、效率提升等),持续调优方案,并将一线经验沉淀为可复用的交付资产与方案模板,反哺产品竞争力提升;\r\n5.与客户深度沟通,精准挖掘智能体在业务场景中的核心痛点与需求,转化为可落地的产品方案;与客户技术团队协作完成系统集成与知识转移。\n1.本科及以上学历,计算机 / 软件工程 / AI 等相关专业;3 年以上开发或交付经验,1 年以上大模型项目经验;\n2.良好的英文能力,能够与国际客户顺畅英文沟通,有全程英文服务海外客户的工作经验;\n3.精通 Python,熟悉 Java / Go / TypeScript 之一;具备扎实的工程能力,能独立完成端到端应用开发与交付;\n4.深入理解 LLM 原理,熟练掌握 Prompt Engineering、Function Calling 等核心技术;\n5.有企业级 AI Agent 落地经验,熟悉主流 Agent 框架(LangChain / Dify 等)及 RAG 技术链路;\n6.熟悉上下文工程与 Prompt 工程实践,能定制 Agent 编排方案;了解 MCP 协议、跨系统集成者优先;\n7.熟悉 Docker / K8s 及云原生架构基础,了解主流公有云平台;\n8.具备客户高管沟通与现场问题拆解能力,接受出差驻场。\n1.面向国际市场客户客户业务场景,基于大模型构建企业级 AI 应用与智能体解决方案,主导从需求挖掘到生产落地的端到端交付。核心是具备“用大模型技术栈把业务痛点变成可稳定运行的生产级 AI 应用”的相关经验优先。",
    "standard_classification": {
        "std_category_code": "B031",
        "std_aux_codes": [
            "T009"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}