中国平安
算法高级工程师（应用方向）
算法高级工程师（应用方向）
发布于 大约 2 个月前普通员工/个人贡献者
深圳市
中级经验
全职员工
仅现场办公
本科
数据分析与科学
机器学习
NLP
PyTorch
TensorFlow
LLM
Scikit-learn
模型微调
大模型
Prompt工程
AI 估算 · 25k–40k
高级算法岗，深圳大厂，2年经验可拿25-40K，AI应用方向热门，薪资有竞争力。
职位详情
关于这个职位
该职位是中国平安的算法高级工程师（应用方向），主要负责AI在运维场景的落地应用
你将主导大模型选型、Agent效果评估、故障根因分析等核心任务，推动AI覆盖率达90%
适合有2年以上算法应用经验、熟悉主流大模型和深度学习框架的技术人才
最低要求
本科及以上学历，计算机、软件工程、人工智能、统计学等相关专业，2年及以上应用算法相关工作经验，无强制基础算法研究经验，重点考察算法应用与落地能力，金融科技、互联网行业算法落地经验优先
熟悉机器学习、深度学习、NLP等基础算法原理，掌握至少一种算法框架（TensorFlow、PyTorch、Scikit-learn），具备模型选型、调优、应用落地的实战经验
精通Python编程语言，具备扎实的数据处理、特征工程能力，能独立完成业务场景的算法需求分析、方案设计与落地，有量化算法落地效果的案例
了解全球主流大模型（GPT-4o、Claude 3、Gemini、Llama 3），熟练运用国内主流大模型（阿里通义千问Qwen系列、腾讯混元大模型、百度文心一言、字节豆包大模型系列）完成业务场景适配，熟悉AI工程化落地全流程，具备强跨团队协作能力
认同AI工程化转型理念，具备强逻辑思维、问题解决能力与学习能力，主动探索AI算法的业务应用场景，推动组织AI文化建设
工作职责
主导“AI for 运维”与“运维 for AI”中模型具体选型，如全球主流大模型、国内主流大模型（阿里通义千问Qwen系列、腾讯混元大模型、百度文心一言、字节豆包大模型系列）及自研算法模型，并设计Agent效果评估流程
针对故障根因分析、应急预案推荐等场景进行模型微调与Prompt工程优化，支撑核心流程AI覆盖率达到90%
AI 洞察
优缺点分析
优点
- 技术前沿：直接操盘大模型在运维场景的落地，积累稀缺的AI工程化经验
- 平台优势：中国平安已上市巨头，资源丰富，项目影响力大，简历含金量高
- 薪资竞争力：高级算法岗薪资在深圳属中上水平，且大厂福利稳定
- 技术门槛高：需同时掌握传统机器学习和大模型技术，且要有实际落地案例
缺点 / 挑战
- 业务压力：追求AI覆盖率达到90%，可能面临快速迭代和效果验证的挑战
- 团队协作：需要与多个部门（运维、业务、算法）紧密配合，沟通成本较高
- 适合有2年以上算法应用经验、喜欢挑战前沿技术、希望在金融科技领域深耕的工程师
角色解读
- 可向算法专家或技术Leader方向发展，深入AI运维领域成为行业专家
- 也可横向拓展至其他AI应用方向（如金融风控、智能客服），积累跨领域经验
- 平安作为大型金融科技平台，内部晋升通道清晰，有机会接触前沿AI项目
- 主导AI在运维场景的模型选型，包括国内外主流大模型和自研算法，设计Agent效果评估流程
- 针对故障根因分析、应急预案推荐等具体场景进行模型微调和Prompt工程优化，提升AI覆盖率
- 与业务团队协作，推动AI算法从研发到生产环境的落地，实现量化效果评估
- 精通Python，具备扎实的数据处理和特征工程能力，能独立完成算法需求分析与方案设计
- 熟悉机器学习、深度学习、NLP基础原理，至少掌握TensorFlow、PyTorch、Scikit-learn之一
- 了解全球主流大模型（GPT-4o、Claude 3等）并熟练使用国内大模型（Qwen、混元等），具备AI工程化全流程经验
申请策略
- 在申请材料中表达对AI工程化转型理念的认同，并举例说明你如何推动技术落地
- 关注平安在金融科技领域的AI布局，面试时可适当展现对业务场景的理解
- 突出你主导的算法落地项目，特别是涉及大模型微调、Prompt工程或Agent系统的案例
- 强调量化成果，如算法上线后覆盖率提升、故障响应时间减少等具体数字
- 展示你对主流大模型（尤其是国内模型）的实践经验，以及Python、PyTorch等技术栈的熟练度
- 如果还不熟悉国内大模型（Qwen、混元等），建议提前在开源平台体验并完成一个Demo项目
- 补充AI工程化知识，如模型部署、监控、A/B测试等，可以参考MLOps相关实践
面试指南
- 使用STAR法则：描述情境（Situation）、任务（Task）、行动（Action）、结果（Result），重点突出你的思考过程和量化成果
- 对于技术问题，先拆解问题点，再给出方案对比，最后说明选择理由和预期效果
- 请简述一个你主导的算法落地项目，包括模型选型、调优和效果量化评估的过程
- 如何针对故障根因分析场景设计Prompt？请给出具体思路
- 你如何评估不同大模型（如GPT-4o vs Qwen）在特定任务上的效果？
- 请解释你如何平衡模型准确率和推理延迟在实际生产中的取舍
- 如果AI覆盖率目标定为90%，你会怎么制定分阶段推进计划？
- 复习大模型基础原理，特别是Prompt工程和微调技术，准备一个相关案例
匹配度报告
68
综合匹配度
平安大厂高级算法岗，前沿AI大模型应用，发展性强但WLB一般。
适合人群
最适合重视技术成长和发展机会的求职者，愿意接受一定工作强度以换取前沿项目经验。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展92
工作生活40
使命价值60
薪资福利匹配
80较高
该职位薪资在深圳具有竞争力，大厂稳定性高，但JD未明确提及福利细节，整体补偿性较好。
薪资信号未披露（AI估算：25K-40K/月）
成长发展匹配
92较高
职位聚焦前沿AI大模型技术，实战机会丰富，成长路径清晰，发展性极强。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、Scikit-learn、LLM、Qwen、混元大模型、文心一言、豆包大模型、模型微调、Prompt工程
业务类型ambiguous
工作生活匹配
40较低
JD未提及远程或弹性工作，且大厂算法岗通常节奏较快，WLB一般。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
60中等
AI赋能运维有一定社会价值，但行业成熟度高，项目多聚焦内部效率提升，意义感中等。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs