制造业 AI 工程师 **-**元

工作职责
1. 面向制造全场景（外观质检、设备故障预判、工艺参数寻优、SOP/工单智能解析、产线视觉识别等），基于开源大/小模型基座，完成模型选型、Prompt工程设计、SFT微调及LoRA/QLoRA参数高效调优，持续迭代模型效果以满足产线精度要求。
2. 独立开发AI工业应用，封装标准化模型推理服务，打通产线MES、SCADA、PLC、工业相机及各类传感器的数据链路，开发高可用AI推理接口与本地端侧推理程序。
3. 主导工业场景数据集全生命周期管理，完成多源工业数据的清洗、标注、数据增强及版本管控，针对性解决工厂场景下数据噪声大、小样本泛化能力弱等行业共性难题。
4. 负责模型的产线部署与性能调优，完成GPU服务器及边缘计算节点的部署落地，开展推理加速、显存优化与延迟压降工作，保障模型在生产环境724小时稳定运行，并定期输出模型测试报告与效果复盘文档。
5. 深度协同产线工程师与工艺专家，精准拆解业务痛点，将工艺需求转化为可落地的AI解决方案，完成Demo开发、上线试运行及效果验证，沉淀场景化专用小模型与可复用的工业AI工具链。
6. 持续跟踪开源大模型、微调框架与推理引擎的技术演进，快速评估新技术在工业复杂场景下的落地可行性与投入产出比。
任职要求
1. 计算机、自动化、人工智能、电子信息等相关专业本科及以上学历，具备2年及以上AI项目落地经验，必须拥有制造业/工厂现场AI项目落地案例，面试需清晰阐述项目背景、数据集构建逻辑、模型调优方案及最终上线业务收益。
2. 编程基础扎实，熟练使用Python语言与PyTorch框架，精通大语言模型微调技术（LoRA/QLoRA优先）与Prompt工程设计，掌握YOLO等主流CV模型者优先。
3. 熟练掌握至少一套主流微调/推理开发框架（如Transformers、PEFT、vLLM、Ollama、LangChain等），具备独立编写推理服务、完成API接口封装的工程能力。
4. 了解工业领域多源数据特征（包括工业图像、传感器时序数据、工艺文本、工单SOP文档等），熟悉MES系统、工业视觉检测、设备故障诊断、工艺参数优化任一业务场景者优先。
5. 掌握基础工程化技能，能够熟练使用Docker进行环境部署，熟悉GPU环境配置与模型版本管理，拥有边缘端部署、低算力设备模型压缩优化经验者优先。
6. 具备独立从0到1落地小模型项目的闭环能力，能够准确理解业务需求，主动识别模型在生产环境中的效果瓶颈并推动持续迭代优化。