ai开发工程师岗位职责

岗位职责： 1、AI系统架构设计 负责企业级 AI平台 / AI中台 / Agent系统 的整体架构设计，包括： ● 大模型应用架构设计（LLM Application Architecture） ● AI Agent / 多智能体系统设计 ● RAG（检索增强生成）架构设计 ● AI能力平台化与服务化 ● AI能力与业务系统的深度集成 构建 高可用、可扩展、可治理的AI技术架构。 2、企业级AI能力建设 负责企业AI核心能力建设： ● 大模型应用开发框架 ● Prompt Engineering体系 ● RAG知识库系统 ● Agent平台 ● 工具调用（Tool Use） ● Function Calling ● 多模态AI能力 推动 AI能力平台化、组件化、标准化。 3、AI中台与企业系统集成 推动AI与企业业务系统深度融合： ● ERP / CRM / OA / BI 等系统智能化升级 ● 企业知识库与AI融合 ● AI办公自动化 ● AI业务助手 实现 传统系统 AI.Native 化改造。 4、AI工程化与平台化 建设企业级 AI 工程体系： ● Prompt工程体系 ● 模型评估体系 ● AI Observability（可观测性） ● AI安全与治理 ● 模型版本管理 ● 数据治理 确保 AI系统稳定、可控、可持续迭代。 5、AI技术研究与创新 持续跟踪前沿 AI 技术： 重点方向： ● LLM应用架构 ● AI Agent ● 多智能体系统 ● RAG系统 ● AI Workflow ● AI自动化 ● AI开发框架 推动技术在企业内部落地。 任职要求： 1、基础要求 ● 计算机相关专业本科及以上学历 ● 5年以上软件研发经验 ● 2年以上AI或大模型应用经验 ● 扎实的软件架构能力 2、AI技术能力 熟悉以下技术方向之一或多个： 大模型应用开发 熟悉： ● Prompt Engineering ● RAG系统 ● 向量数据库 ● Embedding技术 熟悉工具： ● LangChain ● LlamaIndex ● AutoGen ● CrewAI ● OpenAI API AI Agent系统 具备： ● Agent设计经验 ● 多智能体协作系统 ● Tool Use设计 ● Workflow设计 AI工程体系 熟悉： ● AI评估体系 ● Prompt版本管理 ● AI日志与监控 ● 模型成本控制 ● AI安全治理 3、系统架构能力 具备大型系统设计经验： 包括： ● 微服务架构 ● 分布式系统 ● 高并发系统 ● API网关 ● 消息队列 ● 缓存系统 常见技术： ● Kubernetes ● Docker ● Redis ● Kafka ● Elasticsearch 4、编程能力 熟练掌握至少一种语言： ● Python（优先） ● Java ● Go 熟悉： ● FastAPI ● Flask ● SpringBoot 5、数据能力 熟悉： ● 向量数据库 ● 数据治理 ● 知识图谱 ● 数据建模 常见技术： ● Milvus ● Weaviate ● Pinecone ● ElasticSearch 具备以下经验优先： 1、AI Agent项目经验 参与过： ● AI Agent平台 ● 自动化AI系统 ● 多Agent协作系统 2、企业AI平台经验 参与过： ● AI中台 ● AI平台 ● 企业知识库 ● 企业智能体系统 3、大模型部署经验 熟悉： ● 私有化部署 ● 模型推理优化 ● GPU调度 ● 模型微调 技术： ● vLLM ● TensorRT ● LoRA / QLoRA 4、开源项目经验 参与或熟悉： ● LangChain ● AutoGen ● CrewAI ● OpenClaw ● Semantic Kernel
【工作内容】1、AI系统架构设计 负责企业级 AI平台 / AI中台 / Agent系统 的整体架构设计，包括： ● 大模型应用架构设计（LLM Application Architecture） ● AI Agent / 多智能体系统设计 ● RAG（检索增强生成）架构设计 ● AI能力平台化与服务化 ● AI能力与业务系统的深度集成 构建 高可用、可扩展、可治理的AI技术架构。 2、企业级AI能力建设 负责企业AI核心能力建设： ● 大模型应用开发框架 ● Prompt Engineering体系 ● RAG知识库系统 ● Agent平台 ● 工具调用（Tool Use） ● Function Calling ● 多模态AI能力 推动 AI能力平台化、组件化、标准化。 3、AI中台与企业系统集成 推动AI与企业业务系统深度融合： ● ERP / CRM / OA / BI 等系统智能化升级 ● 企业知识库与AI融合 ● AI办公自动化 ● AI业务助手 实现 传统系统 AI.Native 化改造。 4、AI工程化与平台化 建设企业级 AI 工程体系： ● Prompt工程体系 ● 模型评估体系 ● AI Observability（可观测性） ● AI安全与治理 ● 模型版本管理 ● 数据治理 确保 AI系统稳定、可控、可持续迭代。 5、AI技术研究与创新 持续跟踪前沿 AI 技术： 重点方向： ● LLM应用架构 ● AI Agent ● 多智能体系统 ● RAG系统 ● AI Workflow ● AI自动化 ● AI开发框架 推动技术在企业内部落地。
【基本条件】1、基础要求 ● 计算机相关专业本科及以上学历 ● 5年以上软件研发经验 ● 2年以上AI或大模型应用经验 ● 扎实的软件架构能力 2、AI技术能力 熟悉以下技术方向之一或多个： 大模型应用开发 熟悉： ● Prompt Engineering ● RAG系统 ● 向量数据库 ● Embedding技术 熟悉工具： ● LangChain ● LlamaIndex ● AutoGen ● CrewAI ● OpenAI API AI Agent系统 具备： ● Agent设计经验 ● 多智能体协作系统 ● Tool Use设计 ● Workflow设计 AI工程体系 熟悉： ● AI评估体系 ● Prompt版本管理 ● AI日志与监控 ● 模型成本控制 ● AI安全治理 3、系统架构能力 具备大型系统设计经验： 包括： ● 微服务架构 ● 分布式系统 ● 高并发系统 ● API网关 ● 消息队列 ● 缓存系统 常见技术： ● Kubernetes ● Docker ● Redis ● Kafka ● Elasticsearch 4、编程能力 熟练掌握至少一种语言： ● Python（优先） ● Java ● Go 熟悉： ● FastAPI ● Flask ● SpringBoot 5、数据能力 熟悉： ● 向量数据库 ● 数据治理 ● 知识图谱 ● 数据建模 常见技术： ● Milvus ● Weaviate ● Pinecone ● ElasticSearch 具备以下经验优先： 1、AI Agent项目经验 参与过： ● AI Agent平台 ● 自动化AI系统 ● 多Agent协作系统 2、企业AI平台经验 参与过： ● AI中台 ● AI平台 ● 企业知识库 ● 企业智能体系统 3、大模型部署经验 熟悉： ● 私有化部署 ● 模型推理优化 ● GPU调度 ● 模型微调 技术： ● vLLM ● TensorRT ● LoRA / QLoRA 4、开源项目经验 参与或熟悉： ● LangChain ● AutoGen ● CrewAI ● OpenClaw ● Semantic Kernel

岗位职责：
1、参与智能座舱AI Agent应用的开发与维护，包括工作流编排、提示词编写、工具调用配置、知识库内容梳理等；
2、协助完成Agent的功能开发、联调测试与问题排查，配合团队完成Agent应用的迭代优化；
3、参与Agent相关数据构建、评测脚本编写与效果分析，输出优化建议；
4、学习大模型与Agent前沿技术，结合业务需求进行相关应用开发实践。

任职要求：
1.本科及以上学历，计算机、软件工程、人工智能、自动化、通信等工科专业；
2.对大语言模型、Agent技术有学习热情，有AI相关课程项目、竞赛（如大模型竞赛、Kaggle等）或实习经验者优先；
3.具备Python编程基础，了解提示词工程、RAG或LangChain等框架者优先；
4.学习能力强，善于交流与团队协作，对智能座舱与AI应用开发有浓厚兴趣。

岗位职责：
1.负责深度学习 / 大模型核心算子优化、适配与开发，针对 Transformer 类大模型算子（Attention、FFN、MatMul、Norm 等）进行深度性能调优。
2.负责智能化算子搜索体系搭建与落地，实现自动算子生成、性能*优匹配、精度与速度平衡优化。
3.基于 llamacpp 等开源推理框架，进行Vulkan、SYCL、CUDA等异构后端的深度开发、适配与性能优化，提升多平台推理效率。
4.负责 AI 算子在Nvidia/Intel/ARM/AMD/RK（瑞芯微） 等多硬件平台的移植、适配、指令集优化与底层加速，解决不同架构下的算子性能瓶颈。
5.负责大模型推理算子与推理框架的联合优化，支撑 KV 压缩、并行解码等关键特性的算子级落地。
6.构建算子性能评测、自动化测试与优化工具链，输出平台化算子优化方案。
任职要求：
1.计算机、微电子、自动化等相关专业，本科及以上学历，2 年及以上 AI 算子开发、推理优化、后端适配工作经验。
2.精通模型算子优化原理，熟悉算子融合、内存复用、向量化优化、稀疏优化等技术，有大模型算子优化落地经验优先。
3.熟悉智能化算子搜索（Auto-Tuner/Op Search） 技术，有自动算子生成、性能搜索、调度优化经验者优先。
4.精通 llamacpp 框架，熟悉其底层架构、后端扩展机制，具备Vulkan / SYCL 后端开发与优化经验，能独立完成后端算子开发与移植。
5.扎实的 C/C++开发能力，熟悉汇编优化、多线程并行、GPU / 异构计算编程；熟悉 Python、CMake 编译体系。
6.熟悉深度学习推理流程，理解 ONNX、TorchScript 等模型格式，了解大模型推理特性与优化方向。
7.具备较强的性能 profiling、问题定位与工程化落地能力，能独立完成跨平台算子适配与优化。