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
PyTorch
TensorFlow
LLM
运维
Scikit-learn
模型微调
大模型
Prompt工程
Ai工程化
AI 估算 · 25k–40k
大厂AI岗，中级经验，深圳市场薪资中上水平，技术前沿有溢价
职位详情
关于这个职位
你将成为平安AI工程化团队的核心成员，负责主导大模型在运维场景中的选型、评估与效果优化
工作内容包括设计Agent评估流程、进行模型微调与Prompt工程，以提升故障根因分析和应急预案推荐的智能化水平
适合有算法落地经验、熟悉主流大模型并渴望推动AI与业务深度融合的技术人才
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：
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
- 聚焦AI工程化前沿领域，大模型微调和评估经验极具市场竞争力
- 金融科技行业薪资待遇优厚，且有集团内部晋升和转岗机会
- 技术迭代快，需持续跟进大模型最新进展，保持学习节奏
- 适合有2年以上算法落地经验、热爱技术、能独立解决问题并善于跨团队协作的工程师
缺点 / 挑战
- 身处平安这样的大平台，能接触海量真实业务数据和复杂场景，技术挑战大，成长快
- 运维场景碎片化，需要与多个团队协作，沟通成本较高
- 模型效果评估和持续优化需要耐心和细致，可能面临指标压力
角色解读
- 向AI架构师或技术专家方向发展，深入掌握大模型全链路工程化能力
- 可转向管理方向，带领团队负责更大规模的AI产品落地
- 积累金融科技领域经验，成为行业稀缺的AI+运维复合型人才
- 主导大模型在运维场景的选型，评估不同模型的成效并设计Agent评估流程
- 针对故障根因分析和应急预案推荐等具体场景，进行模型微调和Prompt工程优化
- 推动AI工程化落地，支撑核心流程AI覆盖率目标，并量化算法落地效果
- 精通Python，熟悉TensorFlow/PyTorch/Scikit-learn等框架，具备算法落地实战经验
- 深入了解主流大模型（GPT-4、Claude、文心一言、通义千问等）的API调用和业务适配
- 具备NLP、机器学习基础，能独立完成模型选型、调优和效果评估
- 有强逻辑思维和跨团队协作能力，能推动AI文化建设
申请策略
- 面试时准备一个完整的AI工程化落地案例，详细描述选型-评估-优化的闭环
- 展示对AI文化建设的认同，体现主动性
- 突出算法落地项目，尤其是模型选型、微调、效果量化的具体案例
- 强调Python编程和框架使用经验，附上GitHub或项目链接
- 体现对大模型的了解和实际调优经验，如使用过哪些大模型API
- 如有金融或运维背景，务必突出相关场景的AI应用
- 提前熟悉平安的业务和运维场景，思考AI如何提升运维效率
- 快速上手Prompt工程技巧和模型微调工具（如LoRA、PEFT）
面试指南
- 模型选型：业务需求→数据特点→模型能力对比→成本与性能平衡→实验验证
- 效果优化：基线建立→问题分析→调优策略（数据增强、微调、Prompt）→A/B测试→迭代
- Agent评估：定义指标（准确率、召回率、延迟）→构建测试集→多轮评估→持续监控
- 请举例说明你是如何做模型选型的？考虑了哪些因素？
- 描述一次你通过微调或Prompt优化提升模型效果的案例
- 如何设计Agent的效果评估流程？指标如何选择？
- 你如何看待AI工程化？在运维场景中最大的挑战是什么？
- 请现场设计一个故障根因分析的小系统，需要调用大模型API
匹配度报告
68
综合匹配度
大厂AI工程化岗，前沿技术栈，成长性极好，但加班可能较多且办公灵活性低。
适合人群
适合追求技术深度和前沿AI应用、对工作生活平衡要求不高的求职者。
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65
薪资福利匹配
75中等
薪资水平未明确披露，但大厂AI岗位薪酬通常有竞争力；福利信息未在JD中提及，整体补偿性中等偏上。
薪资信号未披露（AI估算：25K-40K/月）
成长发展匹配
90较高
职位涉及前沿大模型技术和AI工程化全流程，技能成长机会极佳，但JD未明确提及晋升路径或培训。
技术前沿前沿/新兴技术
技术栈大模型、LLM、模型微调、Prompt工程、TensorFlow、PyTorch、Scikit-learn、Python、AI工程化
业务类型cost_center
工作生活匹配
40较低
工作地点在深圳，未提及远程或弹性办公，也没有WLB相关信号，可能需较高投入。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
65中等
AI运维能提升企业效率，有一定价值，但社会影响有限；行业处于高速增长期，创新性较高。
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