岗位职责

1.AI技术选型与工程化落地

•业务场景深度解析：结合非标自动化行业特性与业务痛点，拆解AI应用场景（如流程自动化、知识管理等），明确技术可行性边界，输出《AI技术选型建议书》；

•模型工具链搭建：主导AI模型选型（如大模型微调、RAG框架、Agent工具链），设计模型训练/推理/部署全链路技术方案，确保技术架构与业务需求匹配（如低延迟推理、高并发支持）；

•多模态文档处理：开发多模态助手（如PDF/表格/扫描件解析），集成OCR、知识图谱、向量检索技术，实现非结构化数据结构化处理。

2.AI产品全生命周期技术管理

•0-1产品工程化：从需求分析到上线交付，主导AI产品技术架构设计（如微服务化、容器化部署），编写技术PRD与系统设计文档；

•知识库工程化：构建企业级知识库系统，设计数据清洗、标注、存储、检索全流程，实现知识资产的高效管理与复用；

•AI Agent开发：设计Agent工作流引擎，集成LLM、工具调用、RAG，开发可扩展的Agent框架。

3.AI效果量化与持续优化

•指标体系构建：定义AI产品核心指标（如检索准确率、响应延迟、推理成本），实现效果可量化、问题可溯源；

•模型性能调优：通过对抗训练、数据增强、模型蒸馏等技术优化模型效果（如误判率降低30%），平衡精度与资源消耗；

任职要求

1.技术能力

•AI工程化：熟悉Lang Chain、Llama Index等AI工具链，掌握模型部署优化技术；

•系统架构：具备微服务架构设计经验，熟悉容器化部署，熟练使用Redis/MongoDB等中间件；

•数据处理：熟练使用Python进行数据清洗、特征工程，掌握数据库优化技巧。

2.业务理解

•具备快速学习能力，能迅速熟悉至少非标自动化领域某具体业务流程，并能与业务部门沟通痛点，快速定位AI赋能场景；

•具备产品商业化思维，能将技术方案转化为可落地的商业产品。

3.工程经验

•主导过至少1个AI产品从0到1的全流程开发；

4.软性素质

•强技术沟通能力，能向非技术团队清晰解释技术方案；

•自驱力强，能独立解决复杂技术问题（如长尾场景优化、多模型协同）。