Job Description: 核心职责（聚焦AI落地与工程实现） 1. AI模型与系统落地 • 主导 LLM（大语言模型）的微调（SFT / LoRA / RLHF）、推理优化及领域模型设计，针对软件工程场景（代码、测试、日志）构建专用模型。 • 负责 Agent 系统的推理控制与编排，包括思考模式控制、工具调用（Tool Use）流程管理，以及多层级记忆（短期/长期 Memory）策略设计与生命周期管理。 • 负责非结构化数据（代码、日志、技术文档）的结构化建模与知识抽取，支持 Agent Memory 的持续学习。 2. 数据与工程实践 • 制定并落地 AI模块数据对接标准，统一 Prompt、Memory Schema、数据交互规范。 • 参与数据治理体系建设，统一数据口径，制定数据标准化规则与质量评估策略，提升训练/推理数据质量。 • 熟练掌握文本类、日志类等非结构化数据的清洗、标定、结构化技术，支撑实际业务场景。 3. 技术领导与实施 • 组建、培养并领导AI解决方案架构与工程团队，负责原型验证、工程化部署、性能调优和持续迭代。 • 为团队提供AI技术指导，攻克训练、推理、集成中的实际难点。 • 建立AI在软件工程中的技术标准、最佳实践与质量度量体系（如开发周期、缺陷密度、资源成本等可量化指标）。 4. 协作与内部赋能 • 与各软件工程团队（开发、测试、DevOps）深度协作，理解其痛点，设计并交付可落地的AI解决方案。 • 在内部进行AI技术布道与培训，提升团队整体AI工程能力。 Job Qualification: 教育背景 • 硕士及以上学历，计算机、软件工程、人工智能或相关专业。 核心技术能力 • 编程与框架：精通 Python，熟练使用 PyTorch / TensorFlow / Huggingface 等框架，了解特征工程。 • 模型与训练： • 熟悉预训练模型（如 ChatGPT / Llama / Stable Diffusion 等）。 • 具备 NLP / NLG 项目实践，有 LLM 微调（SFT / LoRA / RLHF）和推理优化经验。 • 数据能力： • 熟练掌握非结构化数据（文本、日志、文档）的清洗、标定、结构化。 • 在数据挖掘、特征建模、特征匹配领域有实际生产系统落地经验。 • Agent 与系统： • 熟悉常见的Agent框架，熟悉A2A, Skill, MCP等应用，能给基于当前IT环境，快速落地。 • 有多Agent协同的开发， Agent 推理控制、工具调用、Memory 策略设计与实现经验。 • 软件工程理解：熟悉软件开发生命周期及 DevOps / CI/CD，能快速理解工程痛点并设计AI方案。 经验要求 • 有从0到1构建AI技术方案并落地到实际业务系统的经验。 • 加分项： • 有代码智能、测试智能、DevOps智能等软件工程AI落地项目经验。 • 在领域内国际权威期刊/顶会发表论文，或有 Kaggle 前列排名。 • 有 ADAS 相关经验。 • 对底层软件（OS、编译器、数据库）有深入理解。 软技能 • 结果导向，能量化评估AI带来的业务影响（效率、质量、成本）。 • 优秀的技术沟通与协作能力，能与工程团队高效配合。 • 较强的学习能力与抗压能力，工作积极主动。 • 良好的英语沟通能力，团队协作精神。