AI专家(049431)

岗位职责:

与研发、品质、工艺、运营等团队深度协作，把模糊的业务痛点转化为清晰的 AI 解决方案和可执行的技术路径。

在大模型应用（LLM Application）方向持续深耕，对 Agent 编排、RAG 检索增强、Prompt 工程、Function Calling、模型微调（SFT/LoRA）等关键技术有系统性理解和实战经验

技术选型与决策：负责 AI 应用技术栈的整体选型与架构设计，在开源模型、商业 API、向量数据库、Agent 框架之间做出有依据的取舍，并对技术决策的结果负责

技术前瞻：持续追踪大模型与 AI 应用前沿进展，识别哪些是噪音、哪些是真机会，提前为团队布局技术储备。

技术指导：

技术指导与方向把控：为团队成员提供明确的技术方向和成长路径，通过 Code Review、技术方案评审、定期技术分享等方式，系统提升团队整体技术水位。

梯队建设：识别和培养团队内的技术骨干，建立合理的技术梯队，能高质量交付。

工程规范沉淀：建立代码规范、模型评测体系、上线质量门禁、AI 应用的可观测与告警机制，把团队的经验沉淀为可复用的工程资产。

探索性课题：在保证主线交付的前提下，带领团队开展探索性技术预研，鼓励在 Agent 自主决策、多模态应用、知识与数据融合等方向上的创新尝试。

基本要求 1.计算机、人工智能、电子信息等相关专业，本科及以上学历 2.8年以上研发经验，精通至少一门主流开发语言（Python / Go / Java），具备大规模系统的设计与工程化能力，代码与架构设计能力。

大模型应用实战：具有 LLM 应用方向的扎实实战经验，深入理解并能独立主导以下至少 3 项：Agent 编排与多步推理、RAG 系统设计与召回优化、Prompt 工程、Function Calling / Tool Use、模型微调（SFT/LoRA/RLHF）、推理性能与成本优化、AI 应用。

数据与工程化：熟悉向量数据库、Embedding 方案、数据清洗与标注流程，具备从数据到模型到应用的全链路工程化经验

具备良好的业务理解力，能跳出纯技术视角，从业务价值出发做技术决策。

优秀的沟通协作能力，能与业务、产品、品质、工艺等非技术团队高效协同。

加分项：

有大模型从预研到生产规模化的完整经历，能讲清楚其中的关键取舍与踩坑经验优先；

有头部互联网/科技公司 AI 相关团队背景优先；