AI工程师

岗位职责

• 生成式 AI、多模态系统与智能体框架
• 使用 LLM 及 LangChain、LangGraph、LlamaIndex、AutoGen 等框架构建对话式和非对话式、多模态及智能体 AI 应用
• 设计融合推理、规划、工具使用、记忆、知识落地和外部系统集成的 AI 工作流
• 开发知识图谱（KG）辅助的 AI 系统，包括实体抽取、链接和 KG 增强检索
• 通过结构化评估和护栏机制确保安全性、一致性和幻觉控制
• 部署、API 与云工程
• 使用 Python、FastAPI/Flask、Docker 将模型转化为可扩展的 API 和微服务
• 在 AWS/Azure/GCP 上部署和监控 ML/AI 系统，并针对成本、延迟和可靠性进行优化
• 与 MLOps 团队合作开展 CI/CD 流水线、模型版本管理、监控和自动化评估
• 使用包括 Apache Spark、Hadoop 在内的大数据技术以及 MongoDB 等 NoSQL 数据库
• 模型开发与应用 AI 工程
• 使用深度学习框架（如 PyTorch、TensorFlow）构建和优化基于 Transformer 的多模态模型
• 实施微调、对齐（RLHF/RLAIF）、LoRA/QLoRA、剪枝和模型评估流水线
• 开发信息检索系统，包括混合稠密-稀疏检索、排序、知识图谱和相关性优化
• 从零开始构建预测模型和 ML 流水线，包括数据准备、特征工程和模型选择
• 协作、文档与指导
• 与 CX、工程和产品利益相关者跨部门合作，将业务需求转化为 AI 解决方案
• 编写模型、实验、评估框架和部署流程的文档
• 指导初级工程师，并为内部最佳实践、可复用组件和研发计划做出贡献
• 所需技术技能
• 编程：Python（高级）、SQL；具备丰富的 API 开发和数据工程经验
• 后端框架：Flask、FASTAPI、Django
• 机器学习：预测建模、深度学习、优化、嵌入、向量搜索、模型评估
• 生成式 AI：LLM、RAG、多模态架构、智能体、提示工程、知识落地、知识图谱
• 云平台：AWS、Azure 或 G