职位描述
AI人工智能矿产/冶金
一、岗位核心目标
在研发团队中，参与公司工业智能系统AI智能体层的设计、开发与优化，实现语义交互、智能调度和场景化智能体功能，提升公司生产的智能化水平和业务处理能力，为矿业生产的安全、高效和可持续发展提供技术支持。
二、岗位职责
1. 大模型架构设计及部署
￮ 基于对矿业相关业务系统的理解，进行架构设计；
￮ 基于设计的架构，使用Vllm等工具实现大模型的本地化部署；
2. AI智能体层设计与开发：
￮ 开发语义交互引擎，针对矿业生产的业务需求和专业术语，实现业务需求理解到标准化指令的转换，提高人机交互的效率和准确性。
￮ 构建智能调度中枢，负责矿业生产过程中的优先级管理与多Agent协同，根据矿业生产的实际情况，动态调整生产计划和资源分配，提高生产效率和资源利用率。
￮ 开发场景化智能体组，包括设备运维Agent、生产优化Agent、质量检测Agent等，针对矿业生产的不同业务场景，开发相应的智能体功能，实现矿业生产的智能化处理和优化。
￮ 实现AI模型服务引擎，提供模型版本管理、强化学习、深度学习、机器学习能力，为矿业AI应用提供技术支撑，不断提升AI模型的性能和效果。
￮ 基于数据中台治理后的数据体系，实现语义化智能问数，快速满足业务人员使用；
3. 模型训练与优化：
￮ 利用矿业生产数据、地质勘探数据、设备运行数据等进行AI模型的训练与优化，针对矿业生产的特点和需求，选择合适的AI算法和模型架构，提高模型的准确性和泛化能力。
￮ 跟踪AI领域的新技术、新算法，结合矿业行业的特点，引入并应用到实际工作中，提升系统的AI水平和竞争力。
￮ 对AI模型进行性能评估与监控，及时发现并解决模型运行过程中出现的问题，不断优化模型参数和结构，提高模型的稳定性和可靠性。
4. 系统集成与协作：
￮ 与云计算工程师、数据治理工程师等团队成员密切协作，确保AI智能体层与其他系统之间的兼容性与协同性，共同推进矿业工业智能系统的建设和优化。
￮ 为矿业研发团队和业务部门提供AI技术支持，协助解决业务过程中遇到的AI相关问题，参与技术方案的讨论和制定，提供专业的AI技术建议。
￮ 参与系统的测试与验收工作，确保AI智能体层的功能符合矿业生产的业务需求，对系统的性能和效果进行评估和优化。
5. 技术文档与知识分享：
￮ 编写AI智能体层的技术文档，包括设计文档、开发文档、测试文档等，为系统的维护和升级提供技术支持。
￮ 进行AI技术知识分享，提升团队成员的AI技术水平，组织内部技术培训和交流活动，促进团队成员之间的技术学习和经验分享。
三、任职资格
1. 学历与专业：本科及以上学历，计算机科学、人工智能、机器学习等相关专业。
2. 技术能力：
￮ 精通机器学习、深度学习、模型微调等 AI 技术，具备丰富的 AI 模型开发与优化经验；能根据业务需求完成架构规划，有矿业行业 AI 应用开发经验者优先；
￮ 熟悉工业及矿山场景下的 AI 架构选型与本地化部署（含私有化、边缘端），具备预测性维护、质量检测、生产优化、智能调度等工业智能体开发经验；
￮ 掌握 Python 及至少一种主流深度学习框架（PyTorch / TensorFlow），具备模型本地化部署能力，具备良好的编程能力和代码规范意识；
￮ 熟悉 RAG 知识库问答、Function Calling、MCP协议及 Skills 封装等机制；了解 LangChain、LangGraph 等智能体开发框架，能结合矿山业务（知识库、问数、调度、巡检、排班等）完成智能体构建与部署;
￮ 了解 YOLO 等目标检测算法，了解模型训练的全流程（数据标注、训练、调优、评估、部署），能够实现矿山场景下的视觉检测应用，如人员安全帽佩戴检测、工作服穿着检测等；
￮ 具备良好的数学基础，能够运用数学方法解决AI领域的相关问题，具备较强的逻辑思维和分析能力;
3. 工具使用：
￮ 掌握数据分析工具（如Python、C/C++），能够运用数据分析工具进行数据预处理与特征工程，为AI模型训练提供高质量的数据输入;
￮ 了解 LLaMA-Factory等大模型微调框架，能够基于 LoRA、QLoRA 等高效微调方法对开源大模型进行指令微调，支持矿山知识库智能体等场景的本地化适配;
￮ 熟悉 LangChain、LangGraph等智能体开发框架；熟悉 MCP相关工具链，能够基于 Function Calling 实现工具调用封装;
￮ 了解 YOLO 等视觉分析框架，能够完成从数据标注、训练到部署的全流程；并能够将训练的算法，部署至边缘设备，用于视觉风险识别；
￮ 熟悉 AI 模型部署工具（如 TensorRT 、vLLM、Ollama等），能够将大模型部署到生产环境，实现模型的快速上线和扩展；
4. 职业素养：
￮ 具备较强的创新能力，能够提出新颖的AI解决方案，解决矿业生产中的实际业务问题，推动矿业生产的智能化转型。
￮ 具备良好的沟通能力与团队协作精神，能够与不同团队成员有效沟通与协作，共同推进矿业工业智能系统的建设和优化。
￮ 具备较强的学习能力，能够快速掌握新技术、新算法，并应用到实际工作中，适应矿业行业技术快速发展的需求。
￮ 具备较强的责任心与抗压能力，能够承担高强度的工作任务，在矿业生产的紧急情况下，能够保持冷静，确保AI系统的稳定运行。
三、福利补贴：五险一金、年终奖金、绩效奖金、餐饮补助、定期体检、差旅补助等
备注：常驻办公成都+偶尔出差
在研发团队中，参与公司工业智能系统AI智能体层的设计、开发与优化，实现语义交互、智能调度和场景化智能体功能，提升公司生产的智能化水平和业务处理能力，为矿业生产的安全、高效和可持续发展提供技术支持。
二、岗位职责
1. 大模型架构设计及部署
￮ 基于对矿业相关业务系统的理解，进行架构设计；
￮ 基于设计的架构，使用Vllm等工具实现大模型的本地化部署；
2. AI智能体层设计与开发：
￮ 开发语义交互引擎，针对矿业生产的业务需求和专业术语，实现业务需求理解到标准化指令的转换，提高人机交互的效率和准确性。
￮ 构建智能调度中枢，负责矿业生产过程中的优先级管理与多Agent协同，根据矿业生产的实际情况，动态调整生产计划和资源分配，提高生产效率和资源利用率。
￮ 开发场景化智能体组，包括设备运维Agent、生产优化Agent、质量检测Agent等，针对矿业生产的不同业务场景，开发相应的智能体功能，实现矿业生产的智能化处理和优化。
￮ 实现AI模型服务引擎，提供模型版本管理、强化学习、深度学习、机器学习能力，为矿业AI应用提供技术支撑，不断提升AI模型的性能和效果。
￮ 基于数据中台治理后的数据体系，实现语义化智能问数，快速满足业务人员使用；
3. 模型训练与优化：
￮ 利用矿业生产数据、地质勘探数据、设备运行数据等进行AI模型的训练与优化，针对矿业生产的特点和需求，选择合适的AI算法和模型架构，提高模型的准确性和泛化能力。
￮ 跟踪AI领域的新技术、新算法，结合矿业行业的特点，引入并应用到实际工作中，提升系统的AI水平和竞争力。
￮ 对AI模型进行性能评估与监控，及时发现并解决模型运行过程中出现的问题，不断优化模型参数和结构，提高模型的稳定性和可靠性。
4. 系统集成与协作：
￮ 与云计算工程师、数据治理工程师等团队成员密切协作，确保AI智能体层与其他系统之间的兼容性与协同性，共同推进矿业工业智能系统的建设和优化。
￮ 为矿业研发团队和业务部门提供AI技术支持，协助解决业务过程中遇到的AI相关问题，参与技术方案的讨论和制定，提供专业的AI技术建议。
￮ 参与系统的测试与验收工作，确保AI智能体层的功能符合矿业生产的业务需求，对系统的性能和效果进行评估和优化。
5. 技术文档与知识分享：
￮ 编写AI智能体层的技术文档，包括设计文档、开发文档、测试文档等，为系统的维护和升级提供技术支持。
￮ 进行AI技术知识分享，提升团队成员的AI技术水平，组织内部技术培训和交流活动，促进团队成员之间的技术学习和经验分享。
三、任职资格
1. 学历与专业：本科及以上学历，计算机科学、人工智能、机器学习等相关专业。
2. 技术能力：
￮ 精通机器学习、深度学习、模型微调等 AI 技术，具备丰富的 AI 模型开发与优化经验；能根据业务需求完成架构规划，有矿业行业 AI 应用开发经验者优先；
￮ 熟悉工业及矿山场景下的 AI 架构选型与本地化部署（含私有化、边缘端），具备预测性维护、质量检测、生产优化、智能调度等工业智能体开发经验；
￮ 掌握 Python 及至少一种主流深度学习框架（PyTorch / TensorFlow），具备模型本地化部署能力，具备良好的编程能力和代码规范意识；
￮ 熟悉 RAG 知识库问答、Function Calling、MCP协议及 Skills 封装等机制；了解 LangChain、LangGraph 等智能体开发框架，能结合矿山业务（知识库、问数、调度、巡检、排班等）完成智能体构建与部署;
￮ 了解 YOLO 等目标检测算法，了解模型训练的全流程（数据标注、训练、调优、评估、部署），能够实现矿山场景下的视觉检测应用，如人员安全帽佩戴检测、工作服穿着检测等；
￮ 具备良好的数学基础，能够运用数学方法解决AI领域的相关问题，具备较强的逻辑思维和分析能力;
3. 工具使用：
￮ 掌握数据分析工具（如Python、C/C++），能够运用数据分析工具进行数据预处理与特征工程，为AI模型训练提供高质量的数据输入;
￮ 了解 LLaMA-Factory等大模型微调框架，能够基于 LoRA、QLoRA 等高效微调方法对开源大模型进行指令微调，支持矿山知识库智能体等场景的本地化适配;
￮ 熟悉 LangChain、LangGraph等智能体开发框架；熟悉 MCP相关工具链，能够基于 Function Calling 实现工具调用封装;
￮ 了解 YOLO 等视觉分析框架，能够完成从数据标注、训练到部署的全流程；并能够将训练的算法，部署至边缘设备，用于视觉风险识别；
￮ 熟悉 AI 模型部署工具（如 TensorRT 、vLLM、Ollama等），能够将大模型部署到生产环境，实现模型的快速上线和扩展；
4. 职业素养：
￮ 具备较强的创新能力，能够提出新颖的AI解决方案，解决矿业生产中的实际业务问题，推动矿业生产的智能化转型。
￮ 具备良好的沟通能力与团队协作精神，能够与不同团队成员有效沟通与协作，共同推进矿业工业智能系统的建设和优化。
￮ 具备较强的学习能力，能够快速掌握新技术、新算法，并应用到实际工作中，适应矿业行业技术快速发展的需求。
￮ 具备较强的责任心与抗压能力，能够承担高强度的工作任务，在矿业生产的紧急情况下，能够保持冷静，确保AI系统的稳定运行。
三、福利补贴：五险一金、年终奖金、绩效奖金、餐饮补助、定期体检、差旅补助等
备注：常驻办公成都+偶尔出差
登录查看完整内容
