职位描述
Python大模型容器技术TransformerAI NATIVEAGENTFlask私有化大模型多模态人工智能
【关于我们】
安车检测（股票代码：300572）是国内机动车检测领域龙头企业，服务全国 4000+ 检测机构。2026 年，公司正式成立 ANC（AI Native Center / 安车内化中心），将 AI 能力内化为公司核心竞争力，目标打造检测行业首个 AI 智能中枢产品 — 面向检测机构的本地化私有 AI 服务器平台。
我们正在寻找一位有 LLM 实战经验 的顶尖 AI 架构师，配合ANC总经理从 0 到 1 主导AI技术体系搭建，带领团队完成从模型选型、Prompt 工程到 Agent 架构的全链路落地。
安车检测（股票代码：300572）是国内机动车检测领域龙头企业，服务全国 4000+ 检测机构。2026 年，公司正式成立 ANC（AI Native Center / 安车内化中心），将 AI 能力内化为公司核心竞争力，目标打造检测行业首个 AI 智能中枢产品 — 面向检测机构的本地化私有 AI 服务器平台。
我们正在寻找一位有 LLM 实战经验 的顶尖 AI 架构师，配合ANC总经理从 0 到 1 主导AI技术体系搭建，带领团队完成从模型选型、Prompt 工程到 Agent 架构的全链路落地。
【岗位职责】
1. AI 技术体系搭建：主导 ANC 整体技术架构设计，涵盖大模型选型与评估、推理部署方案、RAG 检索增强生成、Agent 编排框架等核心模块
2. Agent 平台研发：设计并落地面向检测行业的 Multi-Agent 系统架构，包括智能检测辅助、风险预警、设备物联、智能客服等六大场景的 Agent 开发
3. 模型工程落地：负责私有化大模型的本地部署、模型微调（Fine-tuning）、Prompt Engineering 体系建设，确保模型在检测行业垂直场景的效果达标
4. 知识库与 RAG 系统：搭建检测行业专属知识库（质量体系文件、法规标准、作业指导书等），设计高质量的检索增强生成管线
5. 团队建设与协作：建立 AI 研发团队的工作流程与协作规范，推动 AI 编程（Copilot/Agent Coding）在团队中的落地实践，制定代码审查与质量标准
6. 技术预研与选型：持续跟踪 LLM、多模态、AI Agent 等前沿技术演进，评估开源模型（Qwen/DeepSeek/Llama 等）在业务场景的适用性
7. 跨部门赋能：与业务部门紧密协作，识别高价值 AI 落地场景，推动"研产供销服"全链路 AI 化
1. AI 技术体系搭建：主导 ANC 整体技术架构设计，涵盖大模型选型与评估、推理部署方案、RAG 检索增强生成、Agent 编排框架等核心模块
2. Agent 平台研发：设计并落地面向检测行业的 Multi-Agent 系统架构，包括智能检测辅助、风险预警、设备物联、智能客服等六大场景的 Agent 开发
3. 模型工程落地：负责私有化大模型的本地部署、模型微调（Fine-tuning）、Prompt Engineering 体系建设，确保模型在检测行业垂直场景的效果达标
4. 知识库与 RAG 系统：搭建检测行业专属知识库（质量体系文件、法规标准、作业指导书等），设计高质量的检索增强生成管线
5. 团队建设与协作：建立 AI 研发团队的工作流程与协作规范，推动 AI 编程（Copilot/Agent Coding）在团队中的落地实践，制定代码审查与质量标准
6. 技术预研与选型：持续跟踪 LLM、多模态、AI Agent 等前沿技术演进，评估开源模型（Qwen/DeepSeek/Llama 等）在业务场景的适用性
7. 跨部门赋能：与业务部门紧密协作，识别高价值 AI 落地场景，推动"研产供销服"全链路 AI 化
【任职要求】
一、核心壁垒：AI Native 思维
1、深刻理解AI极限与边界： 拒绝盲目堆砌技术，能准确判断哪些问题适合用大模型解决，哪些适合传统机器学习，哪些适合硬编码。
2、Agent 架构经验： 熟悉主流的 Agent 设计模式（如 ReAct、Plan-and-Solve、Multi-Agent 协同），有实际落地复杂 Agent 工作流（Workflow）的经验。
3、工程化降本增效： 具备优秀的工程化思维，在 Token 消耗、推理延迟（Latency）、模型蒸馏与量化方面有实战优化经验。
二、技术硬实力：全栈技能树
1、算法与工程兼备： 熟练掌握 Python，深入理解 Transformer 架构，精通 Prompt Engineering（提示词工程），有主流大模型（GPT-4、Claude、DeepSeek、Llama 等）API 对接及微调（FT/LoRA）经验。
2、后端与基础设施： 精通至少一种主流后端语言（如 Go / Java / Node.js），熟练掌握向量数据库（如 Milvus, Pinecone, Qdrant）的选型与优化。
3、前端与交互感知： 熟悉前端工程化（如 React, Next.js），对流式传输（SSE/WebSocket）、AI 时代的自然语言UI（LUI）设计有深刻理解。
4、工程生态： 熟练运用LangChain, LlamaIndex, Flowise 等主流 AI 编排框架及相关 MLOps 工具。
三、经验与软实力
1、行业经验： 计算机或相关专业本科及以上学历，5年以上研发经验，其中2年以上AI相关项目实际落地及团队管理经验。
2、自驱与视野： 极强的自我驱动力和技术热情，活跃于 GitHub、Hugging Face 等开源社区者优先。
3、沟通能力： 优秀的跨部门沟通能力，能将复杂的AI技术概念“翻译”给产品和业务团队。
四、加分项（Nice to Have）
有成功上线并取得商业化成果的 AI Native 产品（如 AI Companion、智能编程助手、自动化复杂工作流系统等）闭环经验。
一、核心壁垒：AI Native 思维
1、深刻理解AI极限与边界： 拒绝盲目堆砌技术，能准确判断哪些问题适合用大模型解决，哪些适合传统机器学习，哪些适合硬编码。
2、Agent 架构经验： 熟悉主流的 Agent 设计模式（如 ReAct、Plan-and-Solve、Multi-Agent 协同），有实际落地复杂 Agent 工作流（Workflow）的经验。
3、工程化降本增效： 具备优秀的工程化思维，在 Token 消耗、推理延迟（Latency）、模型蒸馏与量化方面有实战优化经验。
二、技术硬实力：全栈技能树
1、算法与工程兼备： 熟练掌握 Python，深入理解 Transformer 架构，精通 Prompt Engineering（提示词工程），有主流大模型（GPT-4、Claude、DeepSeek、Llama 等）API 对接及微调（FT/LoRA）经验。
2、后端与基础设施： 精通至少一种主流后端语言（如 Go / Java / Node.js），熟练掌握向量数据库（如 Milvus, Pinecone, Qdrant）的选型与优化。
3、前端与交互感知： 熟悉前端工程化（如 React, Next.js），对流式传输（SSE/WebSocket）、AI 时代的自然语言UI（LUI）设计有深刻理解。
4、工程生态： 熟练运用LangChain, LlamaIndex, Flowise 等主流 AI 编排框架及相关 MLOps 工具。
三、经验与软实力
1、行业经验： 计算机或相关专业本科及以上学历，5年以上研发经验，其中2年以上AI相关项目实际落地及团队管理经验。
2、自驱与视野： 极强的自我驱动力和技术热情，活跃于 GitHub、Hugging Face 等开源社区者优先。
3、沟通能力： 优秀的跨部门沟通能力，能将复杂的AI技术概念“翻译”给产品和业务团队。
四、加分项（Nice to Have）
有成功上线并取得商业化成果的 AI Native 产品（如 AI Companion、智能编程助手、自动化复杂工作流系统等）闭环经验。
【我们提供】
* 战略级岗位：直接向公司高层汇报，ANC 是公司一级部门，享有充分的技术决策权和资源调度权
* 硬件资源：专属 AI 推理服务器集群，独立算力保障
* 行业蓝海：检测行业 AI 赛道目前零竞品，你将定义一个行业的 AI 标准
* 客户基础：4000+ 家存量客户，产品无需冷启动
* 上市公司平台：深交所上市企业（300572），规范治理，长期稳定
* 有竞争力的薪酬：有竞争力的薪资 + 绩效奖金 + 项目分红 + 股权激励（视贡献），具体面议
* 战略级岗位：直接向公司高层汇报，ANC 是公司一级部门，享有充分的技术决策权和资源调度权
* 硬件资源：专属 AI 推理服务器集群，独立算力保障
* 行业蓝海：检测行业 AI 赛道目前零竞品，你将定义一个行业的 AI 标准
* 客户基础：4000+ 家存量客户，产品无需冷启动
* 上市公司平台：深交所上市企业（300572），规范治理，长期稳定
* 有竞争力的薪酬：有竞争力的薪资 + 绩效奖金 + 项目分红 + 股权激励（视贡献），具体面议
展开该职位详情
