智能产线主任工程师

1. 01

   职位定位： 该岗位寻求能够以AI Native范式重新定义工业软件系统的工程专家——即以Agent架构与Skill抽象为核心，从第一性原理出发重构工厂的业务流程与系统边界。 核心工作：基于大模型、Agent框架与Skill系统，将设备调试、工艺优化、质量诊断等工业流程抽象为可理解、可编排、可执行的AI能力，推动工厂从"人驱动"向"Agent驱动"演进。 你不需要是工业专家，但需要是Agent工程专家。 工业场景的理解与落地，是你用AI能力进场后快速构建的。

2. 02

   核心职责：

3. 01

   工业AI Agent与Workflow系统开发 设计面向工业场景的Agent Framework，支持复杂任务的自主规划、工具调用与多步执行； 基于LLM + RAG构建工厂知识中枢，实现设备手册、工艺规范、历史案例的结构化检索与推理； 开发Tool Calling与Memory机制，使Agent能够调用视觉检测、参数配置、日志分析等工业工具，形成可执行的Workflow； 针对设备异常诊断、工艺参数优化、质量根因分析等场景，构建具备工业推理能力的Agent应用。

4. 02

   Skill系统与工业能力抽象 将视觉检测逻辑、设备调试流程、工艺参数规则等工业经验抽象为标准化、可复用、可编排的 Manufacturing Skills； 参与Skill Engine设计，实现工业能力的注册、组合、版本管理与动态调用； 构建工厂Memory System，支持产线数据的时序关联、经验沉淀与跨场景迁移。

5. 03

   多模态工业AI模型集成 融合工业图像、设备日志、PLC时序数据、传感器信号等多源数据，构建多模态理解能力； 针对锂电极片缺陷、电芯外观检测、工艺参数异常等场景，推动VLM/多模态模型的产线集成与效果优化； 建立模型性能监控与数据回流机制，支持在线迭代。

6. 04

   产线工程化部署与系统闭环 负责模型服务化、Agent Runtime,Workflow调度系统的工程实现； 打通视觉系统、MES,SCADA,PLC的数据接口，建立统一的数据流与任务流； 保障AI系统在产线环境中的实时性、稳定性与可扩展性，实现从模型到控制的端到端闭环

学历专业：本科及以上 知识技能：必备条件：

1. 01

   Agent系统与Skill框架实战经验 深入理解LLM-based Agent架构（Planning、Tool Calling、Memory、Multi-Agent协同），有完整的Agent项目从0到1落地经验； 熟练使用至少一种主流Agent框架（LangGraph、AutoGen、CrewAI等），有OpenClaw，Hermes Agent或同类垂直Agent框架的部署与调优经验优先； 具备Skill系统设计与开发经验：能够将复杂任务拆解为可复用、可编排、可版本化的Skill单元，有Skill Engine或类似能力编排系统的实际建设经验。

2. 02

   vibe coding与AI Native工程能力 熟练使用AI编程工具（Cursor，CodeX，Claude Code等）进行高效开发，具备快速原型构建、代码生成与重构能力； 有"用AI写AI"的实战经验：能够利用LLM辅助生成Prompt，Tool定义、Workflow逻辑，形成人机协同的开发范式； 工程能力强，能独立将原型转化为生产级代码，熟悉Python，Docker、服务化部署及GPU推理优化。

3. 03

   场景落地与产品化能力 具备将模糊业务需求转化为可执行Agent Workflow的能力，有复杂场景（不限于工业）的0→1落地经验； 理解"AI能做什么"与"场景真正需要什么"之间的gap，能够权衡模型能力、系统复杂度与业务价值，做出务实的技术决策； 有快速理解新领域（如工业制造、设备控制、质量检测）并构建对应AI解决方案的经验，学习能力强，不依赖领域知识预设。

4. 04

   大模型与多模态基础 熟悉主流LLM（GPT-5，Claude，Llama，Qwen等）的能力边界与调用优化； 了解VLM/多模态模型基础，有视觉-语言交互、工具调用链中接入多模态能力的经验优先。 优先条件： 有工业软件、MES，SCADA或设备控制系统对接经验（非必须，可进场学习）； 有复杂Workflow编排、状态机设计或长程任务（Long-horizon Task）执行系统经验； 参与过开源Agent框架贡献，或有AI Native工具链（如Devin，SWE-agent等）的深度使用经验； 有锂电、半导体等制造场景的落地项目（加分，但更看重跨场景迁移能力） 工作经验：不限 语言：不限 其他：