工作职责： 业务流程智能化与系统开发方向： 1、参与AI驱动的业务流程优化与系统开发：基于LLM、Agent、RAG、工作流引擎等技术，参与企业内部流程（如ERP、L3/L4核心流程）的AI化改造与落地，提升业务运作效率与智能化水平 2、负责AI应用软件平台的前后端开发：参与设计、开发和迭代AI应用平台及相关工具链（如运营操作台、模型管理平台、Agent工作台等），完成从需求分析到系统交付的全流程工程实现 3、全过程AI Coding实践：将AI辅助编程工具（如Code Copilot、AI代码审查、智能测试等）深度融入研发全流程，实现开发、测试、部署全链路的AI赋能 4、参与AI企业级应用开发与集成：根据业务需求完成大模型能力与业务系统的对接方案设计与开发，包括RAG知识库搭建、Agent工具调用、模型服务封装与运维等 5、辅导业务部门AI工具应用：协助培训和支持业务部门种子选手使用AI工具进行自助式应用开发与流程优化，推动AI能力在组织内的广泛应用 算法研发与模型优化方向： 1、参与工业视觉AI算法研发：处理来自光学、超声、X射线、电子显微镜等设备输出的图像数据，参与缺陷检测、目标识别、异常检测等核心技术的研究、实现与性能优化，持续提升模型准确率和推理效率 2、参与大模型在垂直领域的应用探索：在导师指导下，参与多模态大模型（图文理解、视觉问答等）在工业场景中的应用研究，学习多模态数据处理、模型微调、提示工程等关键技术 3、参与3D视觉与生成式模型等前沿方向预研：跟踪计算机视觉和AI领域最新研究进展（如3D点云处理、NeRF、扩散模型、视觉基础模型等），参与技术验证、原型开发与内部知识沉淀 4、协助算法模型的工程化落地：配合工程团队将算法模型部署到实际产线，学习模型在边缘节点/嵌入式设备上的推理优化、量化压缩与性能调优，积累工业级AI部署经验 5、协助构建数据闭环与质量优化：配合数据治理、测试和质量保障团队优化训练数据质量，参与数据标注标准制定、模型评测与Bad Case分析，推动模型持续迭代改进 算力架构与平台工程方向： 1、参与AI算力基础设施架构设计与优化：参与大规模GPU集群的方案设计、部署和持续优化，保障AI训练和推理任务的算力供给 2、参与算力运营与资源调度：参与GPU资源的监控、调度、分配策略设计与实施，提升集群利用率和能效，协助建立自动化的算力