AI解决方案工程师

业务理解与需求分析：深入公司业务与研发场景，通过用户访谈、流程梳理和数据分析，识别真实痛点及适合AI介入的环节，将模糊诉求转化为具体需求。

解决方案设计：结合业务目标、数据条件和现有系统，参与技术选型与方案设计，明确业务流程、系统接口、人机分工及效果验证方式，评估可行性与实施成本。

AI应用开发：基于大模型API、RAG、工具调用及Agent编排等能力，编写代码、集成企业系统，开发知识助手、智能体和自动化工作流，完成从原型到可试用应用的实现。

测试评估与迭代：构建贴近真实业务的测试案例，分析回答准确性、任务完成率、响应时间及调用成本，定位检索、提示词、工具调用或程序逻辑中的问题并持续优化。

协同落地与能力沉淀：在团队指导下参与应用部署、日志排查和上线验证，跟进用户反馈，沉淀可复用组件、应用案例及技术文档，并将共性需求反馈给平台团队。

学历与专业：本科及以上应届毕业生，计算机、软件工程、人工智能、通信等相关专业，具备良好的计算机基础。

扎实的编程能力：熟悉至少一种编程语言，Python优先；掌握常用数据结构与算法，能够独立完成小型应用或服务的编码、调试与测试。能够使用AI Coding工具提升效率，并理解、检查和修正生成的代码。

AI应用开发基础：理解大模型API调用、Prompt、RAG、Tool Calling及Agent的基本原理；至少完成过其中一种能力的完整开发实践，能说明数据如何流转、关键模块如何实现及失败问题如何定位。课程、个人项目或实习实践均可。

基础工程能力：熟悉HTTP/API调用、JSON数据处理、Git及基本SQL操作；具备接口集成、日志排查、异常处理和测试意识，能够将模型能力接入实际应用，而不只完成演示。

业务理解与方案意识：愿意深入了解用户工作，能够区分表面需求与实际问题，将业务目标拆解为技术任务，并考虑数据可用性、人工校验、使用成本及效果衡量。

学习与沟通能力：能够清楚表达需求、技术方案与验证结果，主动提出问题、验证假设，并与业务及技术同事协作推进迭代。 加分项

有面向真实用户的AI应用、Agent或自动化项目，能够展示可运行成果，讲清业务问题、技术方案、个人贡献及迭代效果。

有RAG检索优化、向量数据库、多步骤Agent或工作流开发经验，使用过LangGraph、Dify、Coze、n8n等任一框架或平台。

有开源模型部署、Docker/Linux部署实践，或了解上下文与状态管理、模型评测、权限控制及人工确认机制。

有MCP Server、飞书开放平台或其他企业系统集成经验，或有用户访谈、需求分析、流程优化实践。