AI工程师

AI工程师职位描述
一、岗位定位与概述
AI工程师是连接人工智能算法、模型与具体业务应用场景的关键技术角色。其核心职责是运用机器学习、深度学习等技术，开发、部署和维护智能应用与系统，以帮助组织提升效率、优化决策并创造价值。 在企业智能化转型过程中，AI工程师负责将技术概念转化为稳定、可靠且高性能的生产级服务，确保数据可控与流程可追溯。
二、核心职责
AI工程师的工作贯穿项目的全生命周期，具体职责通常包括：
1. AI解决方案设计与工程化：主导或参与面向复杂业务场景的AI系统架构设计，特别是AI Agent、大模型应用等解决方案的工程化落地，确保系统的准确性、高性能、安全性与可扩展性。
2. 模型研发与优化：负责数据处理、特征工程、机器学习/深度学习模型的研发、训练、评估与迭代优化。 包括将业务逻辑转化为模型可理解的数据服务，并构建高效的检索增强生成（RAG）等链路。
3. 系统开发与集成：参与AI平台（如大模型平台、智能体平台）的前后端模块开发与优化。 将机器学习模型转换为API，并与其他应用程序或服务进行集成。
4. 生产化部署与运维：负责模型的部署上线、性能优化（包括在不同硬件与推理框架上的适配）、系统监控、维护与故障排查。 具备将概念验证（POC）转化为高可靠生产服务的能力。
5. 测试与质量保障：构建算法评测体系，设计并执行功能、安全、鲁棒性及性能等专项测试，分析测试结果以定位问题并推动模型迭代。
6. 技术标准制定与团队协作：推动AI开发与部署的工程最佳实践，建立技术标准。 需与产品经理、业务方、数据团队及其他研发成员紧密协作，确保项目顺利落地，并促进AI技术在组织内的采纳与应用。
三、任职要求与技能
1. 经验与学历：通常要求计算机科学、人工智能等相关专业本科及以上学历。 企业级应用开发岗位常需3-5年以上相关经验，其中专注于大模型或Agent领域的经验日益重要。 部分初级或助理岗位可接受应届生。
2. 核心技术技能：
* 编程语言：精通Python，尤其在数据处理和API开发方面。 熟悉Java、C++等亦有帮助。
* 算法与框架：掌握机器学习与深度学习算法，熟练使用TensorFlow、PyTorch、Keras等主流框架。
* AI专项技术：熟悉主流Agent框架（如LangChain、AutoGen）、LLM API及调优工具。 理解RAG、数据治理、语义上下文集成等概念。
* 数据技术：熟练掌握SQL及数据处理工具，熟悉云数据仓库（如Snowflake、BigQuery）。 了解大数据技术（如Spark、Hadoop）者优先。
* 数学基础：具备概率、统计和线性代数等知识。
3. 综合能力：具备良好的问题解决能力、沟通协作精神和强烈的学习意愿。 能够进行技术指导与代码审查，赋能团队。
四、典型工作场景
AI工程师的日常工作涉及与多方对齐需求、进行数据评估与清洗、开展模型实验与A/B测试、管理模型版本、处理紧急上线任务等。 同时，需持续跟踪行业前沿技术与标准，并将其应用于实际工作。