主要职责:
1. 能源管理与工业自动化AI系统构建（具体到个人偏重两者之一）：将数据科学家开发的模型（预测性维护、能源优化等）部署到应用系统中，包括：
a) 施耐德电气研发的数字化软件产品；
b) 施耐德电气的边缘设备中；
c) 负责对AI模型进行容器化与服务化；
d) 开发高可用API接口，对接SCADA/MES系统与能源管理平台（如微网控制器、数据中心DCIM系统）。

2. 模型效果监控与持续优化
a) 建立生产环境监控体系，对模型实际效果负全责：
b) 定义并追踪关键业务指标（如数据中心PUE降低幅度、微网绿电消纳率、故障误报率）；
c) 主动识别模型衰减（如数据漂移、工况变化），协同数据科学家快速迭代模型版本；
d) 设计A/B测试验证业务价值（例：对比优化前后园区月度能耗成本），输出效果归因报告。

要求（能力）
1. 经验：2年以上工业AI系统落地经验（需提供案例：如设备预测性维护系统部署、微网优化算法集成、数据中心节能控制闭环系统）；

2. 技术栈（都满足优先）：
a. 后端开发：精通Python/Go，掌握FastAPI/Flask，熟悉gRPC/RESTful设计；
b. 工业集成：熟悉MQTT/OPC UA协议，了解Modbus TCP，能对接西门子/罗克韦尔PLC或能源管理系统；
c. 数据管道：熟练使用Apache Kafka/Pulsar，有InfluxDB/TimescaleDB时序数据库调优经验。
d. 领域认知：理解能源管理核心指标（如PUE、微网绿电渗透率）及工业系统SLA要求（如99.99%可用性）