About The Role

AI 技术方案规划与设计

需求与可行性：结合业务需求完成 AI 技术可行性分析，输出可落地的端到端 AI 技术解决方案。
架构设计：设计并落地 AI 产品技术架构，覆盖"数据采集 → 预处理 → 模型处理 → 评估 → 部署上线"全链路。
技术选型：根据业务场景与数据特点，对比机器学习 / 深度学习算法及 AI 智能体方案，优先选择"易使用、好维护、成本低"的路线。
文档输出：撰写技术设计文档、接口文档等关键交付物，保障方案可复现、可移交。

AI 应用开发、集成与运营

应用开发：基于大模型能力进行提示词工程、RAG、Agent 应用的开发。
集成上线：封装标准化 API 对接现有业务系统，制定灰度 / 回滚等上线策略保障稳定，支撑业务场景智能化升级。
监控迭代：监控核心业务指标与用户反馈，驱动 AI 应用的持续优化与版本更新，形成"上线—监控—迭代"闭环。
前沿探索：在已上线应用之上持续跟踪 AI 领域前沿技术，通过快速小实验验证业务价值，决定是否纳入下一轮迭代或规模化落地。
1.基本条件
本科及以上学历，计算机科学、人工智能、数据科学等相关专业优先。
三年以上 AI 相关工作经验，其中至少一年大模型应用相关经验；有 RAG / Agent / 大模型应用上线案例者优先。
2.核心技术能力（必备）
Python 技术栈：精通 Python 工程化开发，熟练使用数据分析库（NumPy、Pandas、SciPy）与机器学习框架（Scikit-learn、PyTorch / TensorFlow）。
工程能力：熟悉 FastAPI / Flask 等 Web 框架与 RESTful API 设计，具备异步、流式（SSE / WebSocket）接口开发经验。
大模型技术：对大语言模型的原理、技术栈与工程实践有深入理解；熟悉主流推理部署框架（如 vLLM、SGLang、Ollama）与应用编排框架（如 LangChain、LangGraph、Dify 等）。
大模型应用开发：具备提示词工程、RAG、Agent 开发的实战经验；熟悉各类AI模型特征特点，至少熟练掌握一种向量数据库。
经典算法：了解常用机器学习算法（SVM、决策树、随机森林、XGBoost 等）与主流深度学习架构（CNN、RNN/LSTM、Transformer、BERT、GPT 系列）的原理与适用场景，能根据业务问题选择合适方案。
监控与评估：熟悉 LLM 应用可观测工具与离线评测、AB 测试、人工标注闭环等评估方法。
3.加分技能
熟悉 Java 企业级开发（Spring Boot、Spring Cloud）。
了解前端主流框架（Vue / React / Angular）及前后端协作方式。
了解云原生技术栈（Docker、Kubernetes、Prometheus）。
4.综合素质
业务理解：能快速理解业务流程与痛点，将业务诉求转化为AI技术方案，不为技术而技术。
沟通协作：出色的跨团队沟通协调能力，能高效推动多方协作。
学习驱动：对 AI 技术有强烈热情，能快速掌握新技术并应用于实际业务。
问题解决：逻辑清晰，具备独立分析和解决复杂问题的能力，能从容应对项目压力。

This is an external listing. JobSpring does not represent or verify the employer. Report this listing

AI应用开发资深工程师(J18433)

About The Role