AI for Engineer(A206790)

该职位来源于猎聘 一句话画像：一个既要亲手做实验、又要把 AI 真正用进研发流程的理工科工程师 一、岗位使命 在 GMD，我们相信下一代研发是「数据 + AI 驱动」的。这个岗位的使命，是把 AI 真正带进实验室：一边亲手做实验，一边推动 AI 工具在材料研发全流程的落地，用「AI 生成 + 实验验证」逐步取代传统的「实验筛选」模式，让新材料的发现更快、研发成本更低。 二、岗位职责 1. 参与 MEA（膜电极）及其上游材料（催化剂、离聚物、膜等）相关实验的方案设计与动手执行，完成样品制备、性能测试与数据记录，保证实验数据的规范性与可追溯性。 2. 把 AI 工具落地到真实研发场景：问题抓取及方案提出、实验设计辅助、新材料需求到制备方案的转化、基于测试数据（如 EIS-DRT）的实验洞察，形成「AI 建议 → 实验验证 → 数据反哺」的工作闭环。 3. 搭建并持续迭代团队内部 AI 工具链（提示词模板、知识库 / RAG、智能体 Agent、实验报告自动化等），把成熟流程沉淀为可复用的模板与工作流，提升团队整体研发效率。 4. 与催化剂、离聚物、制膜、膜电极制备、质检等各条线的工程师紧密协作，把业务问题抽象为 AI 可解的问题，推动方案在真实产研场景中落地并度量效果。 5. 跟踪 AI for Science 与 AI 辅助研发的技术趋势，主动提出并验证新的 AI 应用想法，与团队一起探索「AI 驱动研发」的新模式。 三、任职要求 1. 理工科背景（硬性要求）：专业要求理工科背景，本科及以上学历。 2. 动手做实验的能力：有扎实的实验室功底，熟悉常见实验操作、数据记录与安全规范，能独立、严谨地完成实验并如实呈现结果。 3. 懂 AI 的应用落地：熟练使用主流 AI 工具，理解提示词工程；接触过 RAG、智能体（Agent）搭建，或用 AI / Python 处理过实验数据者优先。 4. 学习力与开放度：能适应「快速试错、快速优化」的节奏，接受岗位职责随 AI 与研发结合的深入而动态演进。 5. 沟通与协作：能把 AI 能力讲清楚、把研发需求听明白，推动跨条线协作落地。 四、加分项 1. 有 AI for Science、材料信息学、机器学习辅助实验（主动学习 / 自动化实验平台）相关项目或实习经历。 2. 掌握 Python 数据分析（pandas、matplotlib 等），或有 EIS / DRT 等电化学数据分析经验。 3. 曾主动把 AI 工具引入实验室或课题组并形成实际提效成果——哪怕是个人自发的小项目。