AI算法工程师

一、岗位定位：
面向光伏智能制造与智慧能源领域，负责将人工智能技术（包括但不限于大模型/RAG、机器学习、计算机视觉）与核心业务深度融合，从事算法研发、系统搭建与工程化落地，以提升生产效率、优化工艺、实现智能运维与决策。
二、核心技能（根据方向有所侧重）
A. 大模型与RAG应用方向：
• 技术框架： 熟悉LangChain、Llama-index等LLM应用开发框架，能够灵活构建RAG流程与智能体（Agent）工作流。
• 模型与部署： 熟悉主流大模型（如GPT系列、国产主流模型）的API调用、微调与推理部署。有使用vLLM、SGLang等推理优化框架或FastAPI/Flask进行模型服务化的经验。
• 检索系统： 理解RAG全链路，包括文本切片、向量模型（如Sentence-BERT）选型、向量数据库（如Milvus、Chroma）使用，并能优化检索精度。
• 行业结合： 具备将大模型应用于企业知识库、智能问答、故障诊断、工艺文档分析等工业场景的思维和能力。
B. 机器学习/深度学习/CV方向：
• 算法基础： 扎实的机器学习、深度学习理论基础，熟悉常见模型（如CNN、RNN/LSTM、Transformer、SVM、GBDT等）的原理与应用。
• 工业AI技能： 掌握时序数据分析、预测性维护（PHM）、故障诊断、缺陷检测、良率预测、工艺参数调优等相关算法经验。
• 框架与工具： 熟练掌握PyTorch或TensorFlow至少一种深度学习框架。了解模型部署工具链，如ONNX、TensorRT、Docker等。
• 工业通信（加分项）： 了解工业通讯协议（如OPC UA、Modbus TCP、MQTT），并能将AI分析结果与PLC、SCADA等工业系统集成为佳。
三、 综合能力
1. 快速学习与Vibe coding： 核心要求。 对AI技术前沿有强烈兴趣和快速学习能力，能迅速将新技术、新论文转化为可运行的原型代码（PoC），并推进至工程化落地。具备“从0到1”和“从1到N”的全流程实践意愿与能力。
2. 解决问题与创新能力： 逻辑思维清晰，具备优秀的分析问题和解决问题的能力。敢于面对工业场景中的模糊需求和复杂挑战，提出创新性技术方案。
3. 沟通协作与工程落地： 具备良好的跨部门（如与工艺、设备、IT运维团队）沟通能力，能将技术语言转化为业务语言。注重代码的模块化、可复用性和系统效率。
4. 抗压与责任心： 能适应制造业快节奏和项目攻关压力，对交付成果有高度责任感，具备良好的团队合作精神。