AI主任工程师-AI 应用与架构方向

主要职责

1. 深入制造运营、研发质量、市场后市场、供应链、物流计划、职能等不同业务领域，梳理业务流程、数据链路和痛点问题，识别高价值 AI 应用场景。

2. 与业务团队沟通需求，完成场景调研、需求分析、业务价值评估、可行性判断和 MVP 范围定义。

3. 设计 AI 原生解决方案，包括大模型应用、智能体 Agent、知识库/RAG、数据分析助手、流程自动化、多模态识别、预测性分析等方向。

4. 开发 AI 应用原型，快速验证核心业务假设，包括 Prompt 编排、工作流搭建、API 集成、前后端 Demo、插件/工具调用、自动化任务执行等。

5. 制定 AI 应用技术架构方案，明确数据接入、模型调用、权限控制、系统集成、工具链、部署方式、监控评估和安全边界。

6. 推动 AI 应用与现有业务系统、数据平台、知识管理平台、低代码平台、自动化工具等集成，形成可持续迭代的应用闭环。

7. 建立 AI 场景评估方法，包括数据可用性、流程成熟度、技术可行性、ROI、交付周期、资源投入和风险依赖等。

8. 沉淀 AI 应用开发规范、架构模板、Prompt/Agent 设计规范、场景库、组件库和最佳实践，提升团队复用效率。

9. 跟踪大模型、Agent、RAG、AI 编程、企业级 AI 平台等技术发展，结合公司业务场景进行技术选型和落地验证。

10. 协同业务、IT、数据、算法、外部供应商等团队，推动 AI 项目从需求、方案、原型、试点到上线运营的全过程落地

1. 硕士以上学历，计算机、软件工程、人工智能、自动化、数据科学、工业工程等相关专业优先。

2. 具备 5 年以上软件系统、数据平台、AI 应用、企业数字化或智能化项目经验，其中至少 2 年以上 AI 应用或大模型相关实践经验。

3. 熟悉大模型应用开发方法，理解 Prompt Engineering、RAG、Function Calling、Agent、工作流编排、知识库构建、模型评估等关键技术。

4. 具备较强的业务分析能力，能够从复杂业务流程中识别真实需求，判断数据基础、流程基础和工具基础是否支撑 AI 落地。

5. 具备应用原型开发能力，熟悉 Python、JavaScript/TypeScript、API 集成、前后端基础开发、脚本自动化或低代码平台中的一种或多种。

6. 具备系统架构设计能力，理解企业系统集成、数据接口、权限体系、日志监控、部署运维、安全合规等工程化要求。

7. 具备较强的沟通协调和方案表达能力，能够面向业务负责人、技术团队和管理层输出清晰的分析、方案和推进计划。

8. 具备较强的自驱力和探索能力，能够快速学习新技术，并将技术能力转化为可验证的业务应用