1、核心职责
1)深入理解电厂锅炉四管运行机理（如高温腐蚀、磨损、应力裂纹、膨胀异常等）及业务痛点（如早期缺陷识别难、故障预测精度低、维护决策依赖经验等），结合“膨胀监测数据（位移/应力）、智能诊断结果（缺陷类型/等级）、历史运维知识（检修记录/专家经验）”等多源信息，明确大模型的应用场景（如缺陷智能解读、剩余寿命预测、检修方案推荐等）。
2)与锅炉工程师、运维专家协作，梳理“四管健康全流程”中的关键环节（监测→诊断→预测→决策），定义大模型需解决的具体问题（如自然语言化缺陷报告生成、多参数关联分析、动态策略优化等）。
3)基于公司业务数据（如四管传感器时序数据、历史缺陷案例库、专家诊断报告、检修规程文档等），设计并训练适配锅炉四管场景的大模型（包括但不限于通用大模型微调、垂直领域预训练、多模态模型融合等），重点突破以下能力：
4)缺陷理解与推理：解析非结构化数据（如巡检文本描述、红外图像标注、专家口述经验），提取关键特征并与结构化监测数据（温度、压力、膨胀量）关联，实现缺陷类型的精准分类与成因推理；
5)预测与决策支持：结合时序趋势（如壁厚减薄速率、膨胀位移变化率）与历史故障模式，预测四管关键部件的剩余寿命、高风险失效节点，输出动态维护优先级建议或检修方案（如换管/补焊/加强监测）；
6)交互式辅助：开发面向运维人员的自然语言交互接口（如“某锅炉水冷壁近期膨胀异常的可能原因？”“当前缺陷等级下建议的检修周期？”），提供可解释的AI分析结论（如依据XX标准、参考XX案例、风险概率XX%）。
7)持续优化模型性能（准确率、召回率、泛化性），针对锅炉四管的高噪声数据（如传感器漂移、环境干扰）、小样本场景（罕见缺陷类型数据稀缺）等问题，设计数据增强、迁移学习、知识蒸馏等解决方案。
8)主导或参与锅炉四管相关数据（监测时序数据、缺陷案例、专家知识库、检修记录）的清洗、标注与结构化，构建垂直领域的“四管健康知识图谱”（如设备-缺陷-原因-措施关联网络），为大模型提供高质量训练与推理基础；
9)设计大模型与现有锅炉健康平台（如SCADA系统、监测传感器网络、运维管理系统）的集成方案，完成API封装、边缘计算部署（适应电厂现场低延迟要求）或云端服务化，确保模型输出可实时反馈至运维决策环节；
10) 编写技术文档（模型设计文档、训练日志、推理逻辑说明），推动模型在电厂客户侧的落地验证与迭代（如参与现场测试、收集用户反馈、优化交互体验）。
2、任职要求
1)计算机/人工智能/自动化等相关专业，硕士及以上学历（优秀本科可放宽）；有自然语言处理（NLP）、多模态大模型、时序预测模型研发经验者优先。
2)精通至少一种主流大模型开发框架（如PyTorch、TensorFlow、HuggingFace Transformers），熟悉大模型预训练/微调/推理全流程；
3)熟悉NLP核心技术（如BERT/GPT类模型、文本生成、信息抽取、问答系统），有垂直领域（能源/电力/工业设备）大模型落地经验者加分；
4)掌握时序数据分析（如LSTM、Transformer时序模型）、多模态融合（文本+图像/传感器数据）或知识图谱构建技术者优先；
5)具备扎实的工程能力（Linux环境开发、分布式训练/推理、API开发与部署），熟悉云服务（如AWS/Azure/阿里云）或边缘计算部署（如Docker/K8s）更佳。
6)行业认知：了解电厂锅炉基本原理（如四管功能、常见失效模式）或有能源/电力行业AI项目经验者优先；能快速理解锅炉运维业务逻辑，具备“技术+场景”双视角解决问题能力。
7)软技能：逻辑清晰，具备优秀的跨团队沟通能力（能与锅炉工程师、运维人员无障碍交流）；对工业智能化有热情，能主动探索技术落地的创新点。