中国平安
AI工程化岗（安全领域）
AI工程化岗（安全领域）
发布于 大约 20 小时前普通员工/个人贡献者
深圳市
高级经验
全职员工
仅现场办公
硕士
PyTorch
RAG
LLM
SoC
模型微调
安全攻防
多智能体
AI 估算 · 35k–60k
高级AI工程师岗位，技术要求极高且市场稀缺，平安集团薪资有竞争力，参考深圳同级别AI岗位。
职位详情
关于这个职位
这是一份在平安集团负责AI安全平台架构设计的专家职位
你将主导智能SOC平台的AI架构，研发多智能体协作系统用于安全分析与响应，并探索AI在漏洞挖掘、渗透测试等前沿安全攻防领域的应用
需要扎实的算法功底和大模型实战经验，属于技术含量高、创新性强的前沿岗位
最低要求
学历与经验：计算机、人工智能、网络安全等相关专业硕士及以上学历，5年以上算法研发与工程落地经验
极其扎实的全栈算法功底：
经典ML：对统计机器学习有深刻理解，在海量数据下的异常检测、时间序列预测以及树模型（LightGBM, XGBoost等）有极其丰富的实战与调优经验
LLM/深度学习：精通Transformer架构，有丰富的开源大模型（如Llama, Qwen等）的二次开发、微调及预训练经验
工程能力强悍：精通Python/C++，具备极其扎实的编程基础和优秀的系统架构设计能力
精通PyTorch框架，熟练掌握vLLM、TGI等主流推理加速方案，具备解决高并发、低延迟AI服务瓶颈的能力
Agentic架构应用经验：对LangChain、AutoGen、LlamaIndex等Agent框架有深度的二次开发经验，熟悉RAG（检索增强生成）的高阶优化方案，有实际主导上线过复杂Workflow经验
探索与极客精神：具备强烈的求知欲和打破常规的极客精神，面对没有现成答案的跨学科难题（经典算法+大模型+安全的结合）能保持高度热情
工作职责
AI+SOC顶层设计与演进：主导新一代智能SOC平台的AI架构设计，规划并实现“大小模型组合”的落地方案
将复杂的安全运营流程转化为高效的AI自动化流水线
多智能体（Agentic）系统研发：设计并构建针对安全分析、告警研判、事件响应等核心SOC场景的多智能体协作系统，突破传统SOAR的局限，实现真正的自主智能研判与响应
前沿安全攻防探索（AI for Sec）：深入探索AI在漏洞挖掘与渗透测试中的应用
主导基于大模型驱动的代码分析、自动化构建Fuzzing Harness（如利用LLM生成高质量的模糊测试目标代码），以及探索基于Agent的自动化渗透攻击路径生成与验证
模型微调与LLMOps架构：负责面向安全垂直领域的大语言模型（LLM）的对齐、微调（SFT/RLHF）以及推理优化
搭建并完善内部的LLMOps工程体系，保障模型在生产环境中的高可用与高性能响应
技术攻坚与团队赋能：跟踪跟进全球最新的大模型技术、Agent框架及AI安全交叉领域的顶会论文及开源项目，快速在业务中进行PoC并实现规模化落地
指导团队内中级/高级工程师解决复杂工程和算法难题
AI 洞察
优缺点分析
优点
- 前沿技术栈：接触LLM、Agent、AI安全等最热门领域，积累高价值经验
- 大平台资源：平安集团作为金融科技巨头，数据丰富，业务场景多元，落地机会多
- 高薪酬潜力：高级AI安全人才稀缺，薪资竞争力强，且大厂福利完善
- 技术难度大：要求同时精通经典ML、大模型、工程化和安全，跨学科综合要求极高
- 工作强度可能较大：创新迭代快，需要持续跟踪前沿技术并快速PoC落地
缺点 / 挑战
- 安全领域门槛高：需要安全背景或快速学习能力，对非安全背景者挑战较大
- 适合具备扎实算法和工程背景、对AI安全充满热情、喜欢钻研前沿技术并愿意承担高挑战的技术极客
角色解读
- 技术路线：成为AI安全领域的顶级专家，主导更多前沿技术研究和落地
- 管理路线：从技术专家走向技术Leader，带领团队攻克复杂工程难题
- 行业影响力：通过参与顶会论文和开源项目，提升在AI和安全交叉领域的影响力
- 设计和演进AI驱动的安全运营中心（SOC）架构，实现大小模型组合的自动化流水线
- 研发多智能体协作系统，用于安全分析、告警研判和事件响应，突破传统SOAR局限
- 探索AI在漏洞挖掘、渗透测试中的前沿应用，如大模型驱动的代码分析和自动Fuzzing
- 负责安全大语言模型的对齐、微调与推理优化，搭建LLMOps工程体系
- 扎实的机器学习功底：精通经典ML（异常检测、时间序列、树模型）和深度学习（Transformer、大模型微调）
- 强大的工程能力：精通Python/C++，熟练使用PyTorch、vLLM等推理加速工具，能解决高并发低延迟问题
- Agent框架实战经验：深度使用过LangChain、AutoGen等，熟悉RAG高级优化，有复杂Workflow上线经验
- 安全领域知识：了解SOC、安全攻防、漏洞挖掘等，具备跨学科融合能力
申请策略
- 研究平安的AI安全产品和技术方向，在面试中展示对其业务痛点的理解
- 准备1-2个完整的技术故事：从问题定义到方案设计、落地效果，展示全栈能力
- 重点突出大模型微调、Agent框架（LangChain等）和推理优化的实战项目经验
- 强调在异常检测、时间序列等经典ML领域的调优成果，用数据说话
- 如有安全相关项目（如漏洞挖掘、SOC建设），务必详细描述
- 体现跨学科能力：将算法与大模型结合解决实际问题的案例
- 补充或强化安全领域知识：了解SOC、SIEM、SOAR、渗透测试等基本概念
- 熟悉前沿Agent框架和RAG高级技术，如AutoGen、LlamaIndex、多模态等
面试指南
- STAR法则：描述项目背景、任务、行动和结果，量化指标
- 结构化思考：先明确问题边界，再对比不同方案优劣，最后给出选择理由
- 技术深度与广度结合：不仅讲实现，还要讲权衡、优化和未来改进方向
- 请介绍你主导过的一个AI安全项目，包括架构设计、模型选择和落地方案
- 如何设计一个多智能体协作系统来完成告警研判？请画出架构图并说明关键点
- 你如何微调一个大模型使其适应安全领域的垂直任务？有哪些经验教训？
- 在高并发低延迟的AI服务场景下，你会如何优化推理性能？请举例
- 谈谈你对AI在漏洞挖掘中的应用前景和当前挑战
匹配度报告
72
综合匹配度
大厂AI安全前沿岗，技术含量高、薪资优、成长快，但WLB一般。
适合人群
最适合追求技术成长和前沿挑战的求职者，能接受较高工作强度。
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95
工作生活50
使命价值65
薪资福利匹配
80较高
薪资竞争力强，大厂福利完善（五险一金、年终奖等），但具体薪资未披露，薪酬信号中等。
薪资信号未披露（AI估算：35K-60K/月）
成长发展匹配
95较高
该岗位处于AI+安全前沿，技术栈紧跟最新趋势，有大量成长机会，且涉及多智能体、大模型等热点方向。
技术前沿前沿/新兴技术
技术栈LLM、Agent、多智能体、大模型微调、RAG、SOC、AI安全
业务类型ambiguous
工作生活匹配
50较低
深圳科技企业通常办公强度较大，JD未提弹性工作或远程，推测为现场办公，WLB一般。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
65中等
AI安全具有社会价值（保护网络安全），但岗位偏技术实现，使命感一般。
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