高级AI应用工程师

该职位来源于猎聘 一、岗位职责

• 愿深入研发与实验室、人力资源、财务、法务等企业经营一线，通过流程访谈、系统数据和用户行为识别高价值 AI 场景；参与部门 AI 落地需求池的建设与运营，协同各业务域完成场景提报、筛选评估与立项论证；能读懂实验与测试报告、制度流程文件、合同文本、财务与经营报表等业务文档，可独立明确业务 Owner、现状基线、数据来源、权限边界、验收指标和退出条件。
• 将业务问题拆解为4–8周可验证的最小闭环，独立完成需求分析、方案设计、PRD、技术架构、原型开发、接口设计、评测方案和上线计划；按「立项→开发验证→灰度试运行→正式上线」的节奏推进交付，对 PoC 到量产移交全链路负责，输出技术方案、流程图和用例，确保移交产研后方案不走偏。
• 基于部门统一的大模型底座（统一接入入口、多模型路由、Token 成本归集），使用 LLM、RAG、Agent Workflow、Tool Calling 和 MCP 等技术构建企业级运营 Agent 应用（如研发知识助手、HR 智能问答与简历初筛、财务报表与费用稽核、合同审查与法务合规问答等方向），并与 OA、ERP/SAP、PLM、HR、财务、合同管理等企业系统进行集成，将企业系统能力封装为 Agent 可调用的标准化工具。
• 参与企业知识库与知识检索能力建设：完成制度流程、合同、研发与实验文档等企业文档的解析、切分、混合检索与引用溯源（答案带出处）设计，落实文档级权限过滤，参与业务术语表共建，推动业务知识从「存起来」走向「可检索、可调用」。
• 建立固定任务集和回归评测机制，落实身份权限、数据脱敏、人在回路、操作审计、调用 Trace、版本管理、异常告警、灰度发布、回滚及应急停用机制，参与部门安全红线的日常运行监测与回滚演练；建立 Bad Case 定期归因分析机制（定位到规划、工具调用、检索、Prompt 或模型能力等具体环节），并设计多模型降级策略保障生产环境高可用。
• 组织业务用户开展 UAT、灰度试用、培训赋能和上线推广，配合部门种子计划与分级培训课程建设，支持各业务域 AI 对接人开展工作；建立知识库内容更新与保鲜机制，持续跟踪采用率、处理效率、业务质量、Token 与项目成本及 ROI，对场景使用率负责。
• 将项目经验按部门统一模板规范沉淀为可复用的连接器、MCP 工具、Agent Skill、Prompt 模板库、评测集和场景 Playbook，持续贡献部门 Skill 资产库与提示词资产库，并将一线共性问题与洞察反哺 AI 平台产品路线图，推动单点成果向更多部门与业务域复制，并为后续向制造现场延伸打好基础。
• 以实际采用率和可衡量的业务指标改善（如知识检索效率提升、合同初审周期缩短、报表与重复性事务工时减少）衡量工作成果，参与业务基线测算、灰度期工时核算与价值确认，对落地后的业务结果持续负责。 二、任职要求
• 熟练掌握 Python 和 SQL，能够使用 FastAPI、Flask、Spring Boot 或同类后端框架独立开发 API、异步任务、数据处理程序和企业系统连接器；熟练使用 Cursor、Claude Code 等 AI 编程工具交付生产级代码。
• 熟悉 PostgreSQL 或 MySQL、Redis，以及 Kafka、RabbitMQ、Celery 等至少一种消息队列或异步任务技术，能够处理事务、并发、幂等、重试和异常恢复。
• 理解 LLM、RAG、Agent、Tool Calling、Prompt/Context Engineering 的原理、适用边界和常见失败模式，并具备真实项目应用经验；理解幻觉、时延与成本的工程取舍，知道哪些场景必须保留确定性规则与人工兜底。
• 熟悉 LangGraph、LlamaIndex、Dify、n8n 或同类框架中的至少一种，能够实现状态持久化、工具调用、人工审批、失败恢复和多步骤工作流。
• 熟悉 OpenAI-compatible API、结构化输出、Function Calling 和 MCP，能够将模型能力封装为具有明确输入输出、权限边界、超时重试和审计记录的业务工具。
• 熟悉企业知识库和 RAG 开发流程，能够完成文档解析、内容切分、Embedding、Reranker、混合检索、引用溯源、版本管理、文档级权限控制和知识更新保鲜机制设计。
• 熟悉 REST/OpenAPI、Webhook、SOAP、JDBC/ODBC 等系统集成方式，并具备 OA、ERP/SAP、HR、财务、合同管理或 PLM 中至少一种企业系统的真实接口对接经验。
• 熟练使用 Linux、Docker、Git 和至少一种 CI/CD 工具，能够独立完成环境配置、镜像构建、自动测试、部署发布、运行监控和版本回滚。
• 能够建立固定任务集，对正确率、幻觉率、检索命中率、工具调用成功率、响应延迟和运行成本进行量化评测，并完成版本间回归测试；具备幻觉防控、Prompt 注入防护等工程化兜底经验。
• 具备企业数据保密与合规意识，能够在数据不出企业、内网隔离的环境下完成私有化部署，理解员工个人信息、薪酬、合同、财务与研发数据等敏感信息的分级、脱敏与权限管控。
• 能够在高度不确定的环境中独立定义问题：适应新团队搭建期流程、文档尚不完善、干系人仍在变动的现实，能在需求模糊、历史资料缺失的情况下独立开辟工作面；能与研发工程师、实验室人员、HRBP、财务与法务专员及 IT 团队多方对话，独立推动业务、IT、研发和管理人员完成项目验收，对业务结果端到端负责（面试将通过真实项目案例复盘重点考察此项）。 三、加分项
• 有研发管理、HR、财务、法务等企业经营域的 AI 或数字化落地经验（如研发知识管理、简历初筛与员工智能问答、财务报表自动化与费用稽核、合同审查与合规问答），能对业务结果负责者优先。
• 具备 OCR 与文档智能（版面分析、表格抽取、合同/单据要素抽取）、多模态、MCP/Agent 可观测性、私有化模型或 GPU 推理经验。
• 熟悉钉钉/企业微信开放平台、SAP、金蝶/用友、北森等企业软件生态，或有 BI 报表、数据仓库与指标口径治理经验。
• 有制造业、机器人、家电或工业软件背景，熟悉 PLM、MES、QMS 等系统——部门后续将向制造现场延伸，此项为重要加分。
• 了解 LoRA/QLoRA 等轻量化微调方法，有垂直领域模型私有化部署或企业知识图谱构建经验。
• 有 FDE、解决方案架构、售前加交付、客户成功或驻场实施经历，能够对客户或内部业务结果负责；有新团队、新业务或组织变革期从 0 到 1 搭建经验者优先。
• 持有阿里云 ACP（通义大模型应用方向）、华为 HCIP/HCIE 等云计算/AI 认证者优先。