职位描述

帮助公司各部门实现AI流程自动化落地。
进行AI工具与技术调研 持续跟踪国内外AI工具、模型、框架和平台的最新进展（包括但不限于：LLM大语言模型、AI编程工具、AI Agent框架、RAG方案、多模态模型、AI自动化工具等），建立AI工具知识库与技术雷达，定期输出评测报告和选型建议，确保团队始终站在AI技术应用的最前沿。
AI Agent平台建设 参与公司AI Agent平台的架构设计与核心功能开发，包括Agent编排引擎、工具调用（Function Calling / MCP）、知识库与RAG检索增强、多Agent协作调度、上下文管理等模块，打造可复用、可扩展的企业级AI Agent基础设施。
跨部门业务调研与需求挖掘 主动深入公司各部门（运营、市场、销售、产研、客服、财务、人力等），与业务负责人和一线员工深度沟通，了解业务流程、痛点和效率瓶颈，识别AI可赋能的高价值场景，形成结构化的AI需求分析报告。
AI解决方案设计与落地交付 针对各业务部门的具体需求，设计端到端的AI解决方案（从Prompt工程、RAG知识库搭建、Agent工作流设计到系统集成），推动方案从PoC验证到生产级交付的全过程，确保AI应用真正用起来、有效果。
AI内部布道与赋能培训 组织AI工具和方法的内部培训、Workshop、技术分享，编写AI使用手册和最佳实践文档，降低各部门使用AI的门槛，培养公司全员的AI思维和实操能力，推动"全员AI化"的工程文化。
效果追踪与持续优化 建立AI落地效果的量化评估体系（效率提升、成本降低、质量改善等指标），持续收集反馈，迭代优化AI方案，沉淀可复用的AI应用模板和方法论，形成公司级的AI能力资产。
平台产品化与抽象能力 从各业务线的AI需求中提炼共性能力，反哺AI Agent平台的功能迭代方向，推动平台从"项目制交付"向"产品化自助服务"演进，降低AI应用开发的边际成本。

职位要求

计算机科学、软件工程、人工智能或相关专业本科及以上学历，具备扎实的计算机基础。
3年以上软件开发或技术相关工作经验，有跨部门协作或业务需求对接的实际经历，不要求一定是纯研发岗位，但需要具备一定的编码能力。
熟练使用Python（必备），了解至少一门后端语言（Go / Java / Node.js 其一为佳），能独立完成API集成、数据处理脚本、简单的Web应用或Agent Demo搭建。
对AI/LLM生态有深度认知和使用经验——熟悉主流大模型（GPT / Claude / Gemini / DeepSeek / 通义千问等）的能力边界与适用场景，深度使用过至少一种AI编程工具（Cursor / Claude Code / Copilot等），有Prompt Engineering实战经验。
了解AI Agent的核心技术栈：LangChain / LangGraph / AutoGen等Agent框架，RAG架构与向量数据库（Milvus / Pinecone / Chroma等），Function Calling / Tool Use机制，有实际搭建过Agent或RAG应用的优先。
出色的沟通表达与需求挖掘能力——能把业务方的模糊诉求转化为清晰的技术需求，也能把复杂的技术方案用业务语言讲清楚，不惧怕频繁的跨部门沟通和推动。
具备产品思维和项目管理能力——能独立推动一个AI应用从需求调研到最终交付的全流程，善于制定计划、管理预期、跟进闭环。
强烈的学习意愿与好奇心——对新技术、新工具保持高度敏感，乐于主动探索和动手实验，有持续关注AI行业动态的习惯（如关注Hacker News、Twitter/X AI圈、知乎、即刻等技术社区）。
良好的文档能力和知识沉淀习惯——善于将调研发现、落地经验、踩坑记录结构化地输出为文档，让个人经验转化为团队资产。
加分项
· 有AI Agent或RAG系统从0到1的开发与落地经验 · 有业务中台、运营系统、企业效能工具等产品经验 · 熟悉MCP（Model Context Protocol）协议或有相关Tool开发经验 · 有多模态AI（文生图、文生视频、语音识别/合成等）的实际应用经验 · 有企业内部AI培训、Workshop组织实施经验 · 有数据分析能力，能通过SQL或Python进行业务数据分析 · 熟悉容器化部署（Docker / Kubernetes），有AI应用线上部署经验 · 有技术博客、公众号、开源项目或公开演讲经验 · 英语能力良好，能无障碍阅读英文技术文档和论文