供应链 AI FDE - - 81192

基本信息

职位编号:

100017549

工作领域:

Artificial Intelligence

国家/地区:

中国

省:

广东

市:

深圳（Shenzhen）

日期:

星期日, 8 月 16, 2026

其他工作城市:

* China

为什么选择联想

联想文化，我们称之为 “We Are Lenovo”（我们，就是联想），其核心是：“说到做到，尽心尽力，成就客户”。

联想集团是一家年收入830亿美元的全球化科技巨头，位列《财富》世界500强第153名，服务遍布全球180个市场数以百万计的客户。为实现“智能，为每一个可能” 的公司愿景，联想在不断夯实全球个人电脑市场冠军地位的基础上，积极构建全栈式的计算能力，现已拥有包括人工智能赋能、人工智能导向和人工智能优化的终端、基础设施、软件、解决方案和服务在内的完整产品路线图，包括个人电脑、工作站、智能手机、平板电脑等终端产品，服务器、存储、边缘计算、高性能计算以及软件定义等基础设施产品。这一变革与联想改变世界的创新一起，共同为世界各地的人们成就一个更加包容、值得信赖的智慧未来。联想集团有限公司在香港交易所上市（港交所：992）（美国预托证券代号：LNVGY）。

欢迎访问联想官方网站 https://www.lenovo.com，并关注“联想集团”微博及微信公众号等社交媒体官方账号，或关注“联想招聘”公众号，获取联想最新动态。

职位描述和要求:

岗位定位

面向制造业供应链场景，深入客户一线，将业务需求转化为可落地的智能体解决方案。岗位需要兼具供应链业务理解、AI智能体应用设计、数据分析和工程交付能力，负责从场景识别、方案设计、智能体配置开发、系统集成到上线运营的全过程。

岗位职责

深入客户业务现场，理解供应链业务流程、管理机制及实际痛点，覆盖但不限于需求计划、供应计划、采购、生产、库存、订单履约、物流与仓储等环节。

识别适合智能体落地的业务场景，明确用户角色、业务目标、决策逻辑、输入输出、业务规则、异常处理及人机协同边界，形成可执行的场景方案。

负责供应链智能体的方案设计与交付，包括任务拆解、工作流编排、提示词设计、知识检索、工具调用、上下文管理、权限控制和多智能体协同等。

将供应链业务规则、指标口径、分析方法和专家经验转化为智能体可理解、可调用的知识、规则、工具及工作流，持续提升智能体的业务专业性。

负责智能体与企业现有系统及数据平台的集成，包括 ERP、APS、WMS、TMS、MES、供应链控制塔、数据仓库及第三方服务等，能够通过 API、SQL、MCP或其他方式封装和调用企业能力。

结合具体场景完成智能体应用的快速原型和工程实现，覆盖智能问答、指标问数、异常洞察、原因分析、方案建议、任务执行及闭环跟踪等典型能力。

建立智能体测试与评估体系，围绕回答准确性、业务规则符合度、工具调用成功率、任务完成率、响应效率、安全性及用户采纳率开展验证，并持续优化。

负责智能体在客户环境中的部署、联调、试运行和上线支持，快速定位并解决数据、模型、接口、流程和用户体验等问题，保障方案稳定落地。

与业务顾问、产品经理、数据工程师、算法工程师和开发团队密切协作，推动业务需求、数据能力、AI能力与系统能力有效衔接。

沉淀智能体交付方法、场景模板、提示词模板、工具组件、评测集和最佳实践，提升供应链智能体解决方案的标准化与可复制性。

持续跟踪大语言模型、智能体、RAG、知识图谱/本体、MCP及工作流编排等技术发展，结合真实业务需求开展验证与应用。

编写需求分析、场景设计、智能体方案、接口说明、测试报告和用户操作手册等文档，并支持客户汇报、培训和推广。

岗位要求

本科及以上学历，计算机、软件工程、人工智能、数据科学、工业工程、供应链管理、运筹学等相关专业。

具备8年以上企业数字化、供应链系统、数据分析或AI应用相关经验；有制造业供应链项目一线交付经验者优先。

熟悉供应链主要业务流程，能够理解需求、计划、采购、生产、库存、订单履约、物流和仓储等业务之间的关联；至少深入掌握其中一个领域。

具备较强的业务抽象和场景设计能力，能够将模糊的业务问题拆解为清晰的任务、规则、数据需求、工具能力和智能体工作流。

熟悉大语言模型及智能体基本原理，了解提示词工程、RAG、Function Calling、MCP、工作流编排、上下文管理和多智能体协同等技术。

熟练使用Python，具备一定的工程开发能力；能够使用SQL完成数据查询、分析和验证，能够独立进行API接口调用、调试与集成。

了解主流大模型及智能体开发框架或平台，如 LangChain、LangGraph、AutoGen、Semantic Kernel、Dify、Coze等，具备实际项目经验者优先。

具备企业知识库建设经验，了解文档解析、知识切分、向量检索、重排序、引用溯源和知识更新等常见技术与实施方法。

具备智能体评测意识，能够设计测试用例和评测数据集，对幻觉、错误工具调用、权限越界、结果不可解释等问题进行识别和优化。

具备良好的问题诊断和现场解决能力，能够在需求不完全明确、数据质量不稳定、系统环境复杂的情况下快速推进项目。

具备良好的客户沟通、方案表达和跨团队协作能力，能够与业务人员讨论管理问题，也能够与技术人员讨论数据、接口和系统实现。

具备较强的责任心、学习能力和结果导向，能够适应一定频率的客户现场工作或出差。

优先条件

具有制造业供应链控制塔、APS、ERP、WMS、TMS、MES或供应链数据平台建设经验。

具有供应链智能问答、智能问数、异常预警、根因分析、辅助决策或任务执行类智能体的实际交付经验。

了解供应链指标体系、数据建模、主数据管理、数据治理和业务规则管理。

熟悉知识图谱或业务本体建模，能够将业务对象、关系、规则和动作组织为智能体可使用的语义体系。

了解需求预测、库存优化、生产排程、路径优化等算法，并能够判断大模型、业务规则和优化算法在不同场景下的适用边界。

具有复杂企业环境下私有化部署、模型接入、权限管理、数据安全或系统集成经验。