开发工程师（算法）

岗位职责：

1. 负责制造域 AI 数据处理与开发：面向产线检测日志、MES、工单、设备传感等多源异构数据，完成数据采集、清洗、特征工程与质量治理，沉淀可复用的数据资产。

2. 负责 AI 算法选型与模型工程：结合成本、性能与场景适配完成模型选型（推理模型 / 通用模型 / 视觉模型），负责模型训练、微调（SFT / 轻量微调）、调优、验证与部署，推动模型在产线质检、预测性维护、供应链预测等场景稳定上线。

3. 负责智能体（Agent）系统的设计与开发：基于 MCP 协议接入工具与数据源，使用 LangGraph 等编排框架搭建可维护、可观测的单体 / 多智能体系统，覆盖感知-规划-行动-反思闭环，推动业务流程（测试执行、质量判定、知识问答、供应链协同）的 AI 化改造，实现流程自动化与智能化。

4. 负责 Agent 工程化质量：建设可观测体系（执行链路 trace、token 成本、延迟指标），制定并维护 Prompt 与评估集，以评测驱动迭代；落实安全护栏（工具执行沙箱、API 最小权限、数据脱敏），保证生产级稳定与合规。

5. 与业务团队紧密合作：深入制造与供应链一线场景，准确理解痛点，快速迭代 AI 模型与智能体，量化验证落地效果并持续优化。

6. 跟进大模型与 Agent 前沿技术（多智能体编排、A2A 协议、Harness 工程化、多模态理解等），参与 AI 平台能力沉淀与工具链建设。

任职要求：

- 本科及以上学历，计算机科学、软件工程、人工智能、数据科学等相关专业优先。

- 扎实的 Python 编程能力，熟悉 FastAPI / Flask 等服务化开发，具备良好的系统级工程能力；掌握 Java / Go 可与既有后端体系协作更佳。

- 熟悉主流深度学习框架（PyTorch 等），掌握机器学习、深度学习算法基础，具备模型训练、调优、部署全流程经验。

- 深入理解大模型应用关键技术：Prompt 工程（含思维链等技法）、RAG（分块策略、Embedding、重排序、多模态检索、引用溯源）、Function / Tool Calling、Agent 记忆架构（短期 / 长期记忆、上下文管理）。

- 具备 Agent 系统开发经验：熟练使用至少一种主流编排框架（LangGraph、CrewAI 等）并有生产级落地案例；掌握 MCP（Model Context Protocol），能独立设计、开发 MCP Server 并接入第三方系统（ERP、MES、WMS、内部知识库等）；了解 A2A 协议与多智能体协作模式。

- 具备模型工程化经验：熟悉主流大模型 API（DeepSeek、GPT、Claude 等）的集成、选型与成本评估；有本地化 / 私有化部署（vLLM、Ollama 等）或模型微调（SFT）经验者优先。

- 具备 Agent 可观测与加固意识：熟悉 LangSmith、LangFuse 等 trace / 评测工具，能做执行链路追踪、token 成本与延迟优化、限流熔断与降级策略；理解工具调用的权限管控与数据安全规范。

- 技术视野开阔，善于沟通和逻辑表达，具备优秀的问题分析与解决能力，良好的团队合作精神。

- 加分项：

- 有工业视觉检测（如工业缺陷识别、产品质量检测、视觉大模型应用）或供应链预测（需求预测、库存优化、物流调度）实际项目经验；

- 有电子制造测试工程背景或产测数据分析经验；

- 有 Agent / 知识库项目从 0 到 1 生产落地经验；

- 熟悉 Transformer、BERT、GPT 等模型结构，熟悉预训练与微调流程；

- 参加过 AI 相关竞赛，或在知名刊物发表过 AI 领域论文；

- 将 AI 辅助编码（AI Coding）深度融入日常开发工作流。