AI Builder/算法工程专家

亮点 / Highlights:

1. 算法 × 工程的复合成长路径：不是纯做架构、也不是纯做算法，而是在两者交汇处创造大价值——既懂模型又能 build 系统的 AI Builder，是当前市场最稀缺的人才；你将成为算法同学最信赖的工程搭档，共同构建算法体系；

2. 三大核心场景深度实践：在预测模型（需求预测、用户行为预测）、最优化模型（定价/库存/调度）、AI Agent（LLM Wiki、RAG、自动化决策、代操作）三大方向深度积累，形成稀缺的复合能力壁垒；

3. MLOps + AIOps 前沿探索：从模型全生命周期治理到算法服务智能运维，构建业界一流的算法工程化能力，让算法迭代更快、系统运行更稳、资源成本更低；

4. 大模型落地前沿：深度参与 RAG、Agent、模型微调、推理优化等大模型工程化的完整链路，积累从实验到规模化生产的一手经验；

5. 高速成长的团队：技术氛围浓厚，鼓励工程创新与技术分享，有机会成长为兼具算法理解与系统架构能力的技术专家，在团队内外建立深度技术影响力。

岗位职责 / Duties:

1. 预测模型工程化：配合算法同学将需求预测、供应链智能预测、用户行为预测等预测模型高效落地为生产系统；承担从数据流水线（Spark/Hive SQL 离线特征、Flink/Kafka 实时特征）、时序特征工程、模型训练（分布式训练 DDP/DeepSpeed、混合精度 AMP）到在线推理服务的全链路工程实现；构建预测结果的自动化监控与反馈闭环，确保预测精度在复杂业务场景（节假日效应、促销扰动、外部冲击等）下持续稳定；

2. 最优化模型工程化：将运筹优化、定价策略、库存调度、资源分配等优化算法落地为可靠的线上决策系统；构建求解器服务（OR-Tools / Gurobi / CPLEX 等）的工程封装与调度框架，实现大规模组合优化问题的高效在线求解；设计优化模型与预测模型的联合决策流水线，支撑供应链全链路的降本增效；

3. AI Agent 应用工程化：负责企业级 AI Agent 系统的工程化建设，包括生产级 RAG 系统（向量数据库选型 Milvus/Faiss、混合检索稀疏+稠密、Reranker 重排序、动态知识更新）、Multi-Agent 协作框架搭建（工具调用 Function Calling、动态任务规划、长期 Memory 管理、多步推理与反思机制）、Agent 评测体系（成功率/效率/鲁棒性指标设计与自动化评测流水线）；推动 Agent 在自动化决策、代操作等业务场景的规模化落地；

4. AIOps 与智能运维：建设算法系统的智能化运维能力——基于日志/指标/链路追踪数据构建异常检测与根因分析模型，实现算法服务故障的自动发现与快速定位；搭建推理服务的自动扩缩容与智能调度系统（基于负载预测的弹性伸缩、GPU 资源利用率优化、多模型混部调度）；构建模型推理性能的持续优化体系（模型量化 INT8/INT4/GPTQ/AWQ、知识蒸馏、算子优化、Continuous Batching），在延迟（P99 级别）、吞吐与资源成本之间取得最优平衡；

5. LLM 训练与微调工程化：负责大模型训练基础设施建设，包括 SFT/RLHF/DPO 训练流水线搭建、参数高效微调（LoRA/QLoRA/Adapter）框架集成、高质量数据工程（数据清洗/去重/配比/标注流水线）、训练资源管理（GPU 集群调度、分布式训练框架 DeepSpeed/Megatron-LM/FSDP 选型与适配）；沉淀私域知识及 Agent 工作流，构建数字员工实践 AI at work 提效。