RAG

与「RAG」相关的文章

共 47 篇文章

前置部署工程师 — Agentforce 编排 - 柏林

本招聘信息由 Salesforce 发布于 myAbility.jobs 平台，工作地点包括柏林、杜塞尔多夫和斯图加特，职位为前线部署工程师（Forward Deployed Engineer），专门负责 Agentforce 编排与运营。该角色属于动手能力强的技术构建者，需在企业客户环境中设计、构建并部署企业级代理 AI 解决方案。Agentforce 负责驱动多智能体编排层，能将混乱的运营工作流、非结构化数据（如电子邮件、PDF、规格表）以及遗留 ERP 日志转化为具有人在回路（humans in the loop）的自主执行引擎。候选人将在敏捷部署小组中工作，与部署策略师和专业 AI 工程师合作，作为连接高级 AI 代理与更广泛企业技术格局的关键纽带。日常工作包括：编写生产代码、构建实时数据接地系统（采用 RAG、向量数据库和知识库）、进行提示工程管理、实施多智能体通信协议（含模型上下文协议 MCP），以及部署自动化供应链和后台工作流。要求具备三年以上软件工程或技术交付经验，并至少有一个生产级 AI、数据工程或企业集成系统成功部署；精通 Python、JavaScript/TypeScript、Java 或 Apex；具备 LLM 编排、RAG 管道、向量搜索索引及知识库检索器的实践经验；掌握 API 设计（REST/SOAP/Webhook）及现代代理协议；需有 25% 至 30% 的出差意愿。优先考虑具备供应链、制造或物流执行领域专业知识，或熟悉 Salesforce 生态系统（如 Agentforce Specialist、Data Cloud、Apex）的候选人。

阅读全文 →

安德鲁·吴的AI工程技能地图：10,000个职位招聘对2026年招聘和角色设计意味着什么

Andrew Ng 于 2026 年 8 月发布了 AI Engineering Skills Map，基于对 10,000 份招聘信息的分析，将 AI 工程技能组织为两层架构：4 项核心技能（包括提示工程作为大模型交互的子技能）和 6 项扩展技能。核心技能是所有 AI 工程师的通用基线，而扩展技能则定义了高级职位和实际的交付能力。该框架最具冲击力的结构性变化是将提示工程从独立职业路径重新定位为核心技能的一个组成部分，这一决定直接影响了那些被专门雇佣为“Prompt Engineer”的角色。文章为招聘经理提供了具体的应用指南，包括如何编写分层的职位描述（将核心技能设为硬性要求，根据项目阶段选择扩展技能）、设计分阶段的面试流程（初期筛选核心技能，现场评估扩展技能）以及构建职业阶梯（助理工程师掌握核心技能，高级工程师需精通架构决策与多项扩展技能）。此外，文章指出该技能图谱不仅是一套分类法，更是一种组织设计工具，迫使企业重新审视其 AI 角色设置与团队拓扑结构的合理性。作者所在的 Traversaal.ai 也在招聘前线部署工程师以解决实际生产中的 AI 问题。

阅读全文 →

前向部署工程师（中/高级）

Hippocratic AI 正在招聘中级/高级前线部署工程师（Forward Deployed Engineer），负责在医疗系统中进行生产级 AI 部署。该职位要求候选人具备 3 年以上软件工程经验，熟练掌握 Python，拥有过硬的 LLM 框架使用经验（如 LangChain 和 LangSmith）。核心技术职责包括：设计和实施基于客户临床数据的检索增强生成（RAG）管道，在 Epic、Cerner、Athena 等电子健康记录系统中构建工具调用和 MCP（Model Context Protocol）集成架构。入职 90 天内需端到端完成首次 AI 部署并建立无异常的监控体系，12 个月内需交付多个 AI 智能体，并在实际临床工作流程中验证技术对患者疗效的提升。该远程岗位需约 25% 的时间前往美国各地客户现场出差，并需每季度前往 Menlo Park 总部。Hippocratic AI 是一家专注于医疗领域的 AI 公司，由 CEO Munjal Shah 联合创立，已从 a16z 等机构融资 4.04 亿美元（包括 1.26 亿美元的 C 轮融资，估值 35 亿美元），致力于构建全球首个以安全为核心的医疗大语言模型。

阅读全文 →

让AI应用在现实中发挥作用所需了解的知识

Andrew Ng在本文中系统阐述了构建和部署真实可用AI应用所需的核心技能体系，回应了AI工程化的关键挑战：如何在不可预测的AI组件之上构建可靠的软件系统。文章指出，AI应用与传统软件的本质区别在于LLM输出的不确定性，这使得开发过程成为高度迭代的“构建-检查-决策”循环，而非线性规划。核心技能分为六个维度：（1）LLM基础——理解分词、生成机制、上下文窗口、缓存命中、知识截止、推理强度、采样参数及工具调用等，以做出正确的模型选型和微调决策；（2）数据接地——超越早期RAG向量搜索，掌握向量索引、知识图谱、结构化数据语义层等多种技术，构建从文档（文本、PDF、HTML、图片）到LLM就绪输入的清洗管道；（3）智能体系统构建——涵盖从预定工作流到自主决策循环的架构光谱，涉及工具选择（MCP、CLI、沙箱执行环境）、记忆架构、长期会话上下文管理、多智能体编排及生产安全（护栏、对抗输入、数据外泄防范）；（4）评估驱动开发——Andrew Ng认为这是区分AI工程师水平的最重要特质，需要结合系统轨迹分析、探索性数据分析与产品业务洞察来设计评估指标，并根据项目阶段选择确定性评估、LLM-as-a-Judge或人工评审等方法，形成驱动系统化迭代的闭环；（5）生产运维——由于不可预测性、成本和延迟的特殊性，需要建立可观测性机制跟踪性能、检测漂移、应对提示注入安全事件，并通过回归测试和CI/CD统计评估进行模型优化、蒸馏和工作流简化；（6）机器学习基础——理解监督学习和强化学习原理，掌握偏差/方差、错误分析、数据工程等核心心智框架。

阅读全文 →

前沿部署解决方案架构师 – 应用AI FDE | Prairie

本文是 ServiceNow 于 2026 年 8 月 17 日发布的“Forward Deployed Solution Architect – Applied AI FDE”招聘信息。该职位隶属于 ServiceNow 的应用 AI 前线部署工程团队，旨在与战略客户深度合作，识别高价值 AI 机会并加速业务成果。作为 FDSA，核心职责包括领导战略发现、使用 LLM 和 RAG 管道设计 AI 原生系统架构、与工程师协作在 8 到 12 周内交付经验证的解决方案，并将成功模式转化为可重复使用的框架和组件，以推动 Now AI 平台的演进。职位要求候选人具备 15 年以上整体经验，其中 5 到 7 年专注于企业 AI/ML 架构、现场工程或解决方案咨询，必须精通 Python 和 SQL，并掌握 LangChain、Semantic Kernel 等 GenAI 工具框架，同时熟悉 AWS、Azure 或 GCP 等云基础设施及 Terraform 等基础设施即代码工具。该角色需要频繁出差，深入客户现场工作。这则招聘不仅定义了企业级应用 AI 前线部署架构师的职责和能力模型，也揭示了 ServiceNow 如何将通过客户共创验证的解决方案转化为平台级产品能力的方法论。

阅读全文 →

FDE前沿部署工程师实战指南：从模型部署到AI Agent系统构建

本文是一份面向前沿部署工程师（FDE）的完整实战指南，系统拆解了 FDE 的核心内涵、技能树、项目实战和学习路径。文章指出 FDE 不是简单的“模型部署”，而是确保复杂 AI 能力（大语言模型、多模态模型、AI Agent、RAG）能够在真实生产系统中稳定、高效、可扩展且低成本地集成的全栈角色，其 40k 以上月薪是对“AI 应用最后一公里”复杂性的定价。核心技能体系覆盖 AI 基础（Transformer、Prompt 工程、RAG、Agent）、工程开发（Python、FastAPI 异步编程）、云原生（Docker、Kubernetes、Istio、Prometheus/Grafana）和系统设计。实战部分通过使用 vLLM 部署 Qwen2.5-7B-Instruct-AWQ 量化模型、构建 FastAPI 代理网关实现路由与监控、编写 Dockerfile 和 Kubernetes Deployment 文件完成容器化与编排，以及部署多智能体项目 My AI Town 来串联所有技能。文章还提供了常见故障排查清单（超时、OOM、推理慢、Agent 循环、Pod 重启）、最佳实践（IaC、配置分离、可观测性、成本优化、降级策略）及三阶段学习路径（基础巩固、核心技能、项目实战），并解析了面试考察的系统设计、故障排查和工程协作等方向，为求职者提供了从零到就业的路线图。

阅读全文 →

前沿部署解决方案架构师 – 应用AI FDE

ServiceNow 正在招聘一名“Forward Deployed Solution Architect – Applied AI FDE”，这是一个直接嵌入客户前线的高阶技术岗位，隶属于 Applied AI 前线部署工程（FDE）团队。该职位旨在与最具战略意义的客户深度合作，识别高价值 AI 机会，并设计、交付基于 LLM 和 RAG 等技术的 AI 解决方案，以加速业务成果。候选人需在 8 到 12 周内交付能够解决关键业务难题的“解决方案就绪构建物”，并将一次性的成功转化为可复用的模块，从而推动 Now AI 平台的演进。该角色要求极高的综合能力：拥有 15 年以上整体经验及 5 到 7 年的企业 AI/ML 架构或现场工程经验；技术上必须精通 LLM 系统、GenAI 管道、提示工程、RAG、数据建模，并掌握 AWS、Azure 或 GCP 等云平台的容器化和基础设施即代码（如 Terraform）；同时需要具备 Python 和 SQL 编码能力，熟悉 LangChain 或 Semantic Kernel 等框架。此外，该职位有高达 30% 的差旅要求，以嵌入客户现场领导战略发现研讨会并引导高管决策。ServiceNow 强调其平台已集成任何 AI、任何数据和任何工作流，服务于 85% 的财富 500 强企业，创始人 Fred Luddy 的初心是将人从繁琐工作中解放。此职位不仅是解决方案架构师，更是定义可扩展企业创新标准的实地产品架构师。

阅读全文 →

[远程] AI架构师，首席前线AI工程师 - 医疗保健

Brillio公司于2026年8月13日发布了一份远程AI架构师/首席前线AI工程师的招聘信息，工作地点面向美国候选人。该职位要求候选人拥有10年以上的软件工程、AI工程或企业架构经验，核心职责是作为前线部署工程师（Forward Deployed Engineer），与大型医疗支付方合作，设计并扩展AI驱动的转型计划。工作内容涉及将复杂的医疗业务挑战转化为可扩展的AI架构，利用生成式AI、大语言模型（LLMs）、AI智能体（AI agents）、检索增强生成（RAG）和智能自动化技术，设计包括多智能体架构、工作流编排和企业级AI集成在内的解决方案。候选人需深度参与从原型设计到生产部署的全生命周期，并设计用于改进医疗理赔处理、事先授权、护理管理、支付完整性等核心医疗运营环节的AI工作流。职位要求的技能栈覆盖了现代AI框架（LangGraph、LangChain、CrewAI、AutoGen）、云平台（AWS, Azure, GCP）、企业LLM平台（Claude、OpenAI、Gemini）和医疗数据标准（HL7、FHIR、ICD-10）。Brillio公司总部位于加利福尼亚州圣克拉拉，拥有5001-10000名员工，在2026年为员工提供了88次H1B工作签证担保。

阅读全文 →

我参与了FDE项目，发现企业级AI落地的关键策略

本文系统阐述了前端部署工程师（FDE，也称前沿部署工程师）在企业级AI落地中的核心价值与运作机制。文章指出，尽管全球企业在生成式AI的投入超过300亿美元，但实际产生正向利润影响的项目比例不高，主因已非模型能力不足，而是业务嵌入、系统集成、老旧遗留系统适配以及数据治理等工程化落地的断层。FDE并非传统的实施工程师或驻场开发，而是面向高复杂度、高价值、高集成度ToB场景的前线工程组织机制，其核心目标是将单客户现场的非标准需求、系统架构限制和业务流程转化为可复用的产品能力与行业模板。文章详细拆解了FDE的工程闭环：从进场发现问题建模、架构设计（权限、审计、成本、延迟）、快速构建生产级适配代码，到部署上线后的可观测性建设，以及最为关键的四层产品化回收（经验、配置、工具、平台）。作者特别警示，若无产品化回收机制及商业模型约束，FDE极易退化为高成本驻场外包。文章适用于金融风控、工业质检、涉密政务及海外银行等场景，并强调AI竞争已转向工程化复利，技术负责人需关注部署效率与可复用资产的沉淀。

阅读全文 →

FDE不是“新售前”：AI落地进入深水区，产品经理该如何理解这个岗位？

文章深入解析FDE（前线部署工程师）这一AI落地进程中新兴的关键角色，指出其并非简单的‘会写代码的顾问’或新售前，而是驻扎业务现场、兼具工程交付与产品管理能力的闭环负责人。随着通用AI能力成为公共供给，企业竞争差距取决于如何将模型嵌入具体业务，FDE恰是解决‘最后一公里’问题的枢纽。作者从产品经理视角拆解了FDE的五步闭环方法：发现真实工作流中的隐性规则；识别高价值AI介入场景；共同设计人机协作旅程；用评测将生成式AI的不确定性转化为证据；以增收、降本、缓释风险为最终验收标准。文中提出一个‘客户数字化成熟度×方案定制程度’的二维判断框架，指出金融、医疗、制造、政府等高定制与高合规场景最易产生FDE需求，并强调AI产品护城河已从模型调用能力延伸至部署能力、上下文治理和一线采用。最后，文章为产品经理提供了明确的转型路径：升级工作系统认知、获得工程动手能力、系统学习AI工程、完成端到端作品、练习技术与业务双语表达，并预测未来FDE岗位将分化，但其闭环能力将成为多角色的共通能力栈。全文旨在提醒产品经理，AI时代的真正产品终点不是发布功能，而是让智能能力进入组织、改变行为并留下可验证的经营结果。

阅读全文 →

GCCs在招聘Forward Deployed Engineer方面超过印度IT服务公司

据印度《商业线报》2026年8月12日报道，全球能力中心（GCC）在招聘前线部署工程师（FDE）方面，正大幅超越印度本土IT服务公司。Adecco India的招聘数据显示，过去一年GCC对FDE的需求增长约55%至65%，而IT服务公司增长约40%至45%。TeamLease Digital的数据则显示，FDE岗位发布量在2025年第一季度至2026年第一季度间暴增700%至800%。FDE被视为企业AI从实验阶段迈向实际价值创造的关键角色，其职责是连接AI技术能力与复杂业务需求，解决遗留系统、碎片化数据和合规性等落地挑战。Careernet首席商务官Neelabh Shukla指出，FDE是技术与业务之间的“翻译者”。招聘策略上，GCC倾向于高薪招聘FDE来构建长期内部AI能力，并愿支付30-40%的薪资溢价，而IT服务公司则更多依靠对现有云和工程团队进行技能重塑来填补缺口。TeamLease Digital首席执行官Neeti Sharma强调，FDE薪酬在过去一年上涨20-30%，入门级年薪约18-25万卢比，资深人士可达50-80万卢比以上。对RAG（检索增强生成）和Agentic AI等前沿技术的掌握，加上业务理解与部署能力，是FDE的核心技能要求。Adecco India预测，未来2-3年FDE招聘将增长80-85%，这一角色有望像云架构师一样，成为AI时代最炙手可热的人才。

阅读全文 →

外勤部署工程师

Hippocratic AI 正在招聘一名远程 Forward Deployed Engineer（FDE），该岗位是 AI 部署的技术负责人，将作为核心贡献者参与其面向医疗领域的 agentic AI 平台建设。该角色要求与部署策略师及客户紧密合作，构建直接影响医疗运营的真实生产系统，并对端到端系统可靠性负责。核心技术栈包括 Python、LangChain、LangSmith 等框架，以及 RAG、LLM-as-judge、工具调用和模型上下文协议（MCP）等先进 LLM 技术。FDE 的主要职责涵盖 AI 创新与问题解决、RAG 管道实现、工具与 MCP 架构搭建、使用现代 AI 框架进行 Python 开发、基础设施与部署管理，以及生产监控与支持。候选人需具备 3-5 年软件工程经验、扎实的 Python 基础，并深入理解现代 LLM 开发模式。Hippocratic AI 是一家专注于医疗领域安全大语言模型的公司，由 CEO Munjal Shah 联合来自 El Camino Health、Johns Hopkins、Stanford、Microsoft、Google 和 NVIDIA 的医生及 AI 研究员共同创立，已获得总计 4.04 亿美元融资，投资方包括 CapitalG、Andreessen Horowitz（a16z）、General Catalyst 和 Kleiner Perkins 等顶级机构。公司强调这是一次定义 LLM 代理如何与医疗系统交互的类别创造机会。

阅读全文 →