主要職責:
1.設計和實施AI服務基礎設施，使我們的不同人工智能功能與內部應用程序無縫集成
2.利用基礎大模型，用行業內數據進行微調和對齊，設計和構建具有特定功能的人工智能代理
3.為內部特定使用場景開發專業垂直的內部模型
4.設計和實現數據收集基礎設施，以收集、篩選、存儲和處理來自各種來源的數據
5.完善我們的數據集，提高數據質量和相關性，并制定數據增強策略
?資格：
1. 學習與探索能力
快速學習新技術：能在 1–2 周內掌握一個新模型/框架并應用到業務。
開源生態敏銳度：熟悉 HuggingFace、LangChain、RAG、向量數據庫（Pinecone、Milvus），懂得如何拼裝。
能結合 API 服務（OpenAI、Anthropic、Claude、Google Vertex AI） 與 自建模型，做 混合架構。
2. 資源整合與系統設計
有“工程師 + 產品經理”的思維：能定義業務問題，然后選擇“買/用/建”最優解。
能整合：
現成 SaaS（客服機器人、推薦引擎、BI 工具）；
開源框架（LangChain、Haystack、Autogen）；
內部系統（ERP、CRM、財務系統）。
有能力搭建“AI 工具鏈”：比如知識庫、工作流自動化（Agent）、跨部門協同工具。
3. 系統落地與規?；?br>不僅會寫代碼，還會思考 規模化問題：
成本優化（API 調用成本 vs 自訓練模型成本）；
多語言、多地區部署（跨境電商特點）；
合規與數據安全（客戶隱私、支付數據）。
能把一個 PoC 做成一個可擴展的 AI 平臺，服務多個部門。
4.做過從 0 → 1 → N 的落地過程（有主導項目經驗）。
能展示至少一個 跨部門級別的 AI 系統落地案例（比如客服機器人覆蓋上千客戶/天，或預測系統減少 20% 庫存積壓）。
加分項：
在 電商/零售/供應鏈金融 有過 AI 落地經驗；
參與或主導過 AI 平臺/Agent 系統 的建設，而不只是單點應用；
有管理或指導 junior 工程師的能力，可以帶小團隊。