供应链AI智能体开发工程师

1. 01

   业务现场需求拆解：深入业务一线（质量、采购、计划交付等职能），观察一线人员的信息获取、任务执行与例外处理方式，将模糊的业务问题拆解为清晰、可开发、可验收的AI应用需求，并判断各环节适合采用大模型、智能体、工作流还是规则自动化。

2. 02

   原型搭建与生产化交付：使用AI工具快速构建可验证的原型，并将其改造为可上线的生产系统，把文档审核、问题解析、流程自动化等应用嵌入业务系统实现常态化运行，端到端负责交付结果。

3. 03

   系统集成与工程落地：完成 Prompt / Skill 调优、工作流编排、知识图谱构建，RAG知识库接入、工具调用及与内部系统、数据、权限的打通，处理智能体死循环、工具调用失败、幻觉、超时等生产环境问题。

4. 04

   数据闭环与效果验证：预先定义验收指标（审核准确率、申诉率、自动化工时、人力节省等）与评测集，搭建全链路日志与失败案例采集机制，分层定位问题来源（模型能力 / 智能体规划 / 工具 / 业务规则）并推动持续迭代优化。

5. 05

   业务陪跑与经验沉淀：培训一线用户用好AI应用、推动实际采纳，并将现场经验沉淀为可复用的 Skill、模板与平台能力，反哺产品与算法团队，实现方案跨场景复制。

1. 01

   本科及以上学历，应届毕业生；计算机、软件工程、自动化、数据科学、工业工程等理工科相关专业优先。

2. 02

   具备扎实的编程与工程基础，熟悉数据结构与算法、API / HTTP、数据库等基本概念，有独立完成项目或课程作品的经历。

3. 03

   熟练使用主流AI工具，理解 LLM、Agent、RAG、Prompt工程、工作流编排等基本概念，能准确判断大模型的能力边界与适用场景。

4. 04

   兼具技术理解力与业务沟通力，能深入一线、快速学习陌生的制造 / 供应链 / 质量业务，将业务语言转化为工程任务、将技术约束表达为清晰的交付边界。

5. 05

   具备端到端 owner 意识，自驱力强、结果导向、抗压，能在不确定性与变化中主动推动问题解决。

加分项

1. 01

   有大模型微调、智能体开发、RAG应用从0到1搭建并跑通完整闭环的实习或项目经验。

2. 02

   熟悉主流智能体框架、低代码平台（LangChain、Dify、Coze 等）或AI编程工具（Cursor、Claude Code 等）。

3. 03

   了解容器化部署（Docker / Kubernetes）、Git、系统集成等工程基础。

4. 04

   在算法竞赛（Kaggle、天池、ACM等）中获奖，或有高质量开源项目贡献。

5. 05

   有制造、供应链、质量等业务场景的实习或实践经历，熟悉相关业务流程。