1.AI 新技术洞察与评估：
跟踪全球 AI 领域前沿动态（如生成式 AI、工业大模型、机器视觉新算法、智能体技术等），定期输出技术简报；
负责开展潜在落地技术的成熟度分析、成本测算与风险评估，组织跨部门讨论技术适配性，形成可落地的技术方案建议。
2.数据应用场景挖掘与推进：
深入生产、供应链、质量检测等智能制造核心环节，通过访谈、流程梳理挖掘业务痛点；
负责协调业务部门明确数据需求，组织数据采集、清洗与规整工作，确保数据完整性与可用性；
基于数据开展分析，管理模型评估、导入，输出场景解决方案与可行性报告，明确落地优先级与价值目标。
3.AI 与智能体方案开发、部署及业务融合：
负责 AI 与智能体在智能制造场景的应用方案设计，组织技术团队开展方案拆解；
承担核心模块的软件开发工作，包括数据处理模块、模型推理模块、智能体交互逻辑模块等，确保代码质量与功能适配；
负责协调 IT、业务团队推进方案部署上线，跟踪运行效果，组织开展模型与智能体逻辑的迭代优化，保障方案长期适配业务需求。
4.软件开发与系统集成支持：
负责 AI 相关工具、系统的开发与维护，如数据可视化分析工具、模型管理平台等，提升团队工作效率；
参与 AI 方案与企业现有业务系统（如 MES、ERP 系统）的集成对接，组织解决集成过程中的技术问题，确保数据流转顺畅与功能协同。
负责合作技术团队代码规范及定制开发软件源代码资产的管理工作。
5.AI 技术人才组织培养：
协助搭建内部 AI 人才梯队，参与校招、社招候选人技术能力评估；
负责制定新人培养计划，涵盖软件开发规范、数据处理流程、建模实操、智能体方案设计等内容；
组织开展技术分享会、软件开发与建模竞赛，提升团队整体技术应用能力。

学历背景：
1.硕士及以上学历，计算机科学与技术、人工智能、数据科学、自动化、工业工程（智能制造方向）等相关专业优先考虑，
其他专业具备扎实 AI 技术基础与软件开发经验者也可投递。
2软件开发能力：
具备扎实的软件开发基础，熟练掌握至少一种编程语言（Python/Java/C++），熟悉软件开发规范与版本控制工具（Git）；
能独立完成模块开发，如设计数据处理接口、开发模型推理服务、编写智能体交互逻辑代码；了解常用开发框架（如 Flask/Django/Spring Boot），具备系统集成或工具开发经验者优先。
3实际应用能力：
有 AI 相关项目经验（课程设计、学科竞赛、企业实习均可），能参与项目全流程推进，包括需求分析、方案设计、代码开发、测试部署；熟悉至少一种 AI 开发框架（TensorFlow/PyTorch）或数据分析工具（Python/Pandas/SQL），具备 AI 模型开发与调试经验。
4数据分析能力：
能熟练使用 SQL 提取业务数据，用 Python 进行数据清洗、异常值处理与可视化分析（如用 Matplotlib/Seaborn 制作分析报表）；具备从数据中定位问题、提炼结论的能力，例如通过生产数据波动分析识别流程优化点，基于设备运行数据挖掘故障关联因素。
5数据建模能力：
掌握完整建模流程（数据预处理→特征工程→模型选择→训练调优→评估落地）；
能根据业务场景选择合适算法（如用随机森林做质量缺陷预测、用 LSTM 做设备寿命预测、用强化学习设计智能体决策逻辑），并通过交叉验证、超参数调优提升模型与智能体方案效果。
6模型与智能体方案导入部署能力：
熟悉逻辑回归、决策树、CNN、智能体基础架构等常用技术的原理与适用场景，能将成熟模型或智能体框架适配到实际业务中；
了解技术部署基本流程（如容器化部署、API 封装），能配合团队完成方案上线与运维支持。
7沟通协作与组织协调能力：能清晰向业务人员传递 AI 与智能体技术价值，准确理解业务需求；
擅长跨部门沟通，能组织协调数据、业务、IT 团队推进项目，定期输出项目进展报告，推动问题高效解决。
8其他素养：
学习能力强，能快速掌握智能制造领域专业知识与智能体等新兴技术；抗压能力好，可应对项目攻坚、系统上线等紧急需求；有创新意识，乐于探索 AI 与智能体在工业场景的新应用。