中国平安
AI工程化岗
AI工程化岗
发布于 大约 20 小时前普通员工/个人贡献者
深圳市
中级经验
全职员工
仅现场办公
本科
机器学习
NLP
PyTorch
TensorFlow
Scikit-learn
模型微调
大模型
Prompt工程
Ai工程化
AI 估算 · 20k–35k
深圳AI工程化岗位，大厂背景，薪资竞争力强，2年经验月薪约2-3.5万。
职位详情
关于这个职位
该职位负责主导AI模型在运维场景的选型与效果评估，推动模型微调和Prompt工程优化，以提升故障根因分析和应急预案推荐的AI覆盖率
适合熟悉深度学习与大模型、有实际落地经验的技术人才
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
主导模型的选型，完善模型成效评估机制，推进模型效果优化： 1.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%
优先资格
金融科技、互联网行业算法落地经验优先
AI 洞察
优缺点分析
优点
- 大厂平台，薪资福利优厚，接触前沿大模型技术，积累金融科技领域经验
- AI工程化是当前热门方向，职业发展空间大，技术壁垒高
- 参与核心系统智能化改造，项目影响力大，个人成长快
- 金融场景对准确率要求高，结果导向，工作节奏可能较快
- 适合有算法落地经验、热爱钻研新技术、希望在AI工程化方向深入发展的技术人才
缺点 / 挑战
- 需要持续跟踪大模型技术迭代，学习压力大
- 涉及跨团队协作，沟通成本较高
角色解读
- 技术路线：从算法工程师晋升为高级/资深AI工程化专家，深入大模型应用与优化
- 管理路线：向AI团队技术负责人或架构师发展，主导AI平台建设
- 行业拓展：金融科技AI应用经验可迁移至互联网、工业等领域的AI工程化岗位
- 主导AI模型在运维场景的选型，评估全球及国内主流大模型的效果，设计Agent自动化流程
- 针对故障根因分析和应急预案推荐等场景进行模型微调和Prompt工程优化，提升AI覆盖率
- 与跨团队协作推动AI工程化落地，确保算法在业务中产生实际价值
- 扎实的机器学习和深度学习基础，熟练使用PyTorch、TensorFlow等框架，具备模型选型和调优经验
- 精通Python编程和特征工程，能独立完成算法方案设计与落地，并有量化效果的案例
- 熟悉主流大模型（如GPT-4o、通义千问等），了解AI工程化全流程，有跨团队协作能力
申请策略
- 关注中国平安的AI战略和金融科技布局，面试时展现对AI工程化落地的理解
- 准备一个从选型到上线的完整算法落地案例，突出跨团队协作和效果量化
- 突出模型选型、微调、Prompt工程的实际项目案例，量化对业务指标的提升
- 强调对主流大模型的熟练掌握，如GPT-4o、通义千问等
- 展示Python编程、特征工程和算法框架（PyTorch/TensorFlow）的熟练度
- 系统学习大模型微调技术（如LoRA、P-tuning）和Prompt工程最佳实践
- 补充运维领域知识（如故障根因分析、监控告警）以增强业务理解
面试指南
- 先明确业务目标和约束条件（如延迟、成本），再对比不同模型的表现，结合微调/Prompt优化
- 采用STAR法则：情境、任务、行动、结果，突出量化指标
- 从效果、成本、可维护性等多维度分析，展示系统性思考
- 如何评估和选择适合业务场景的大模型？请举例说明
- 描述一次你通过模型微调或Prompt优化提升模型效果的案例
- 在AI工程化落地中，你如何平衡模型效果和推理成本？
- 如何设计Agent的效果评估流程？有哪些关键指标？
- 你对AI for运维的理解是什么？遇到过哪些挑战？
匹配度报告
66
综合匹配度
大厂AI工程化岗，技术前沿、薪资有竞争力，但现场办公、工作强度可能较大。
适合人群
最看重技术成长和前沿方向、对WLB要求不高的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展90
工作生活40
使命价值60
薪资福利匹配
75中等
中国平安作为大厂，薪资福利有竞争力，但JD未明确具体薪资和福利项，因此评分中等偏上。
薪资信号未披露（AI估算：20K-35K/月）
成长发展匹配
90较高
岗位涉及前沿大模型、AI工程化全流程，技术前沿性高，能快速积累核心能力，成长空间大。
技术前沿前沿/新兴技术
技术栈大模型、GPT-4o、通义千问、PyTorch、TensorFlow、NLP、Prompt工程
业务类型cost_center
工作生活匹配
40较低
JD未提及远程或弹性办公，深圳大厂通常要求现场办公，且工作强度可能较大，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工程化对运维效率提升有价值，但属于内部支持角色，社会影响力中等，行业前景向好。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs