锦鲤求职岗位描述
你将负责什么:
A 面 · AI 系统架构设计
总体技术架构：负责企业级 AI 应用 / AI Agent 平台的架构设计，覆盖模型接入与路由、RAG 与知识层、Agent 编排与工作流、工具与系统集成、数据管道、评测与可观测，输出可评审、可交付、可传承的架构方案（含架构图与 ADR 架构决策记录）。
技术选型与决策：在"自研 vs 采购、开源模型 vs 商业 API、公有云 vs 私有化 / 内网部署"之间做权衡，并给出成本 / 性能 / 效果 / 合规四维的量化理由——不是"因为流行所以用"。
非功能设计：并发与时延预算、推理与 Token 成本优化（缓存、路由、批处理、蒸馏 / 量化的取舍）、可用性与容灾、灰度发布、长任务与流式响应、上下文与记忆管理。
架构资产化：把重复出现的问题沉淀为参考架构、可复用组件、脚手架与加速器，让团队第二个项目不必从零开始。
B 面 · FDE 驻场交付
端到端 owns：从需求澄清、场景可行性判断、PoC、生产化改造到上线运营，作为技术负责人贯穿始终；对最终业务结果负责，而不是"交付完代码就交棒"。
在客户现场解决问题：直接对接客户的业务负责人与技术团队，天级 / 小时级获取真实反馈并迭代；把模糊的业务诉求翻译成可验证的技术指标（准确率、召回、可接受幻觉率、响应时延）。
打通真实企业环境：与客户业务系统、文档库、数据仓库、权限与账号体系集成；处理内网隔离、数据不出域、信创环境、老旧接口等"教科书里不会出现"的约束。
啃下最后 20%：真实脏数据、权限越权、效果不达标、响应慢、成本高——设计兜底与降级策略（人工复核、引用溯源、置信度门槛、拒答边界），把系统从"80% 能跑"推到"可上线、可交接"。
交付物与客户赋能：部署手册、运维 SOP、效果评估报告、培训与陪跑，确保客户团队能自主运营，不把我们锁死在项目里。
C 面 · 治理与风险内建
评测体系先行：为每个 AI 能力设计测试集与评估标准（golden set、离线批量评估 + 在线监控、人工复核），把"感觉挺准"变成可度量、可回归的指标；识别模型幻觉与失效模式。
安全内建：提示注入与越权防护、PII 与敏感数据脱敏、输出内容风控、访问控制与最小权限、审计留痕与全链路可追溯（Prompt / 数据 / 模型 / 决策版本对齐）。
合规对齐：将主流 AI 治理框架与监管要求（生成式 AI 服务管理规定、ISO/IEC 42001、EU AI Act 等）落到工程实践，帮助客户建立可执行的 AI 使用规范，而不是停在口号。
D 面 · 能力放大与团队
带小团队打仗：带领 2–5 人交付小组，做技术方案评审与 Code Review，指导初中级工程师与应届生成长。
售前与方案支撑：参与商机阶段的需求评估、技术方案讲解、工作量与风险估算，把技术判断前置到承诺之前。
前沿跟踪与方法论：持续跟进模型能力、Agent 框架与 AI 工程实践演进，做技术雷达判断与内部分享，参与行业洞察与解决方案建设。
我们期待的你
硬性条件
本科及以上学历，计算机、软件工程、人工智能、数据科学、数学统计等相关专业（非科班但有扎实工程履历同样欢迎）。
10 年以上软件研发 / 解决方案架构经验，2 年以上大模型应用落地经验。
至少主导过 1 个从零到一、真实进入生产环境的企业级系统（AI 相关优先）；能讲清架构决策与踩过的坑。
中文表达出色（方案讲解、书面文档），英文可读写（熟练阅读技术资料；能参与跨国项目会议者为加分）。
技术能力（必备）领域
具体要求
编程与工程功底
精通 Python，熟悉至少一门工程语言（Java / Go / Node.js / TypeScript）；数据结构、并发、网络基础扎实；熟悉 Git 协作流、单元测试、代码评审，写的是能被别人维护的代码
大模型应用
理解 LLM 原理与能力边界；熟练 Prompt Engineering、RAG（分块 / 混合检索 / 重排 / 引用溯源）、Agent 与多智能体、Function / Tool Calling、上下文工程、工作流编排；了解微调路线（SFT / LoRA / DPO）的适用时机与代价
AI 应用框架
LangChain / LangGraph / LlamaIndex / Dify / RAGFlow / AutoGen / CrewAI 等至少熟练使用 1–2 个，并且清楚它们的局限——知道什么时候应该跳出框架自己写
模型与推理
熟悉主流模型平台与 API（OpenAI、Azure AI、Anthropic、DeepSeek、通义千问 Qwen、文心、混元、豆包等）；有私有化 / 内网部署经验，了解 vLLM、TensorRT-LLM、Ollama 等推理服务与显存 / 吞吐成本测算者加分
数据与后端
掌握 SQL 与至少一种关系型数据库；熟练使用至少一种向量检索（Milvus / Qdrant / pgvector / ES）；熟悉 REST / gRPC 集成、缓存、消息队列；能搭建 FastAPI / Spring Boot 服务
云与工程化
熟悉阿里云 / Azure / AWS 至少一个；Docker、Kubernetes、CI/CD、IaC；可观测体系（日志 / 指标 / 链路追踪，Prometheus + Grafana，LangSmith / Langfuse 类 AI 观测）
架构方法
具备微服务与事件驱动架构经验，能做技术债判断与演进路径规划；能用架构图和一段话向非技术高管讲清方案取舍
明显加分项
乙方 / 咨询 / 交付经验：面对过客户 CIO / CTO / 业务负责人，扛过上线节点与客户质询。
复杂环境落地经验：信创、内网隔离、数据不出域、跨部门权限打通。
行业知识：金融、制造、能源、医药、专业服务、财税与风控等任一领域，能听懂业务语言。
资产沉淀证据：开源项目贡献、可复用的 AI 加速器 / 组件库、技术博客或专利。
认证：云 / AI 架构类（Azure AI Engineer、AWS Solutions Architect、CKA 等）或 AI 治理 / 信息安全类（ISO/IEC 42001 相关、CISA 等）。
评测与红队经验：设计过大模型评估体系或做过对抗测试。
软素质
双手都在线：既能做抽象的架构决策，也愿意自己写代码、自己 debug、自己上生产。
模糊性耐受：客户第一版需求往往是错的，能在信息不全时先做可验证的小步假设。
结果导向：以"业务指标真的改善了"为交付标准，而不是"功能列表勾完了"。
好奇心与学习速度：AI 工具链半年换一茬，能自己判断哪些是趋势、哪些是噪音。
可信度：敢对客户说"这个场景现在不适合上 AI"，也敢承认"这块我不懂，我去搞明白"。