阿斯利康
AI Engineer / Senior AI Engineer
AI Engineer / Senior AI Engineer
发布于 1 天前普通员工/个人贡献者
上海市
其它
全职员工
仅现场办公
本科
RAG
LLM
生物信息学
向量数据库
Agentic AI
LangGraph
肿瘤研究
Aws/Azure/Gcp
AI 估算 · 25k–60k
结合上海AI工程师市场薪资及公司平台，具备竞争力。
职位详情
关于这个职位
作为AI工程师，你将加入阿斯利康数据科学团队，利用生成式AI和智能体技术解决癌症研究和临床试验中的复杂问题
你将参与设计基于LLM的自动化工作流、知识检索系统和决策支持应用，与科学家和临床专家紧密协作，推动AI从原型到生产的落地
最低要求
学历要求：计算机科学、工程、数据科学、生物信息学、统计学、应用数学或相关领域的学士或硕士学位
经验要求：
初级：1-3年软件工程、数据科学、机器学习、AI应用开发或生物信息学经验
具备Python实践经验，接触过LLM、数据管道、API或AI应用
愿意学习并应用新兴GenAI技术
高级：5年以上AI、机器学习、数据科学、软件工程或相关领域经验
有在真实业务、研究或企业环境中交付AI/ML、GenAI或数据驱动解决方案的经验
能够领导技术设计、制定架构决策、指导项目从问题定义到原型、评估和部署
有能力指导初级工程师并跨团队协作
工作职责
为科学研究、生物统计、临床试验和肿瘤学相关工作流程设计、开发和部署GenAI和智能体AI解决方案
使用提示工程、工具调用、结构化输出生成、RAG和智能体工作流编排等技术构建基于LLM的应用
将AI解决方案与现有数据平台、数据库、API和企业系统集成
与科学、临床和数据利益相关者合作，理解用户需求并将其转化为明确的技术方案
开发原型和MVP，评估其性能，并根据用户反馈和业务价值进行迭代
在受监管的研发环境中，支持AI解决方案的适当文档、测试、可追溯性和人工监督
及时了解新兴的GenAI和智能体AI技术，并评估其在真实研发用例中的适用性
高级级别：领导技术设计决策，指导架构选择，指导初级工程师，并支持选定解决方案向生产的过渡
优先资格
在临床研究、生物统计、肿瘤学、癌症研究、药物开发或医疗健康工作流程中应用AI或数据科学的经验
设计LLM/GenAI系统评估方法（准确率、检索质量、可用性、鲁棒性、人工审核）的经验
工作流编排、AI智能体、自动化流水线或多步骤决策支持系统的经验
熟悉生物信息学、基因组学、计算生物学、计算病理学或医学影像用例
有TypeScript、JavaScript或前端开发经验
了解模型优化、微调或领域自适应技术
熟悉数据隐私法规和合规要求（如HIPAA、GDPR、GxP或内部企业治理流程）
AI 洞察
优缺点分析
优点
- 站在AI技术前沿，掌握生成式AI和智能体等最新技术
- 工作内容直接服务于癌症研究和患者健康，社会价值高
- 阿斯利康作为国际大药企，提供稳定的平台和良好的职业发展空间
- 跨学科协作机会多，与顶尖科学家和临床专家共事
- 医药行业受严格监管，AI解决方案需要满足合规要求，开发流程严谨
- 对领域知识要求高，可能需要快速学习肿瘤学和临床试验背景
- 技术迭代快，需要持续学习以保持竞争力
- 适合对AI技术充满热情，希望将技术应用于医疗健康领域，并愿意在受监管环境中严谨工作的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术深度：从AI工程师成长为AI架构师，主导大型AI系统设计
- 行业深耕：成为医药领域AI专家，参与前沿抗癌药物研发
- 管理路径：高级工程师可向技术主管或数据科学团队经理发展
- 设计和开发基于生成式AI和智能体的应用，用于癌症研究、临床试验和药物开发工作流
- 构建基于LLM的应用，包括RAG知识检索、结构化信息提取和自动化工作流
- 与科学家和临床专家合作，将业务需求转化为技术解决方案，并推动原型到生产
- 精通Python编程，具备AI应用开发和数据处理能力
- 熟悉LLM相关技术：提示工程、RAG、智能体框架（如LangChain、LangGraph）
- 了解云计算平台（AWS/Azure/GCP）和数据库集成
- 在医药研发或生命科学领域的AI应用经验是加分项
申请策略
- 理解阿斯利康在肿瘤领域的战略重点，在申请中体现对该领域的热情
- 关注公司官网或招聘页面的岗位细节，准备针对性的Cover Letter
- 突出LLM项目经验，特别是RAG、智能体或对话系统的实际案例
- 展示Python开发和系统集成能力，包括API、数据库和云平台使用
- 如果有生物医药或临床研究背景，务必强调
- 提及在跨功能团队中的协作经验和项目交付成果
- 深入学习LangChain/LangGraph框架，动手实现智能体工作流
- 了解医疗合规要求（如HIPAA、GxP），并思考如何设计可解释的AI系统
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述具体项目案例
- 展示系统思考能力：从需求分析、数据流、模型选择到生产部署的全链路考虑
- 强调协作和沟通：用非技术语言解释技术概念的能力
- 请描述你使用LLM构建RAG系统的经验，包括技术选型和性能评估
- 在受监管环境下部署AI模型时，你会如何确保合规性和可追溯性？
- 你如何设计一个AI智能体来解决复杂的多步骤研究任务？
- 如果你与科学家沟通需求，他们不理解技术限制，你会如何处理？
- 准备2-3个完整的AI项目案例，涵盖LLM应用、数据处理和系统集成
匹配度报告
75
综合匹配度
外资药企AI工程师，前沿技术栈，高社会价值，但需现场办公，WLB一般。
适合人群
最适合追求技术前沿并希望将AI应用于有意义事业的求职者，能接受现场办公和一定的工作强度。
最强匹配
使命价值匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展85
工作生活50
使命价值90
薪资福利匹配
75中等
阿斯利康作为跨国药企，薪资福利有竞争力，但JD未明确具体数字，综合判断处于市场中等偏上水平。
薪资信号未披露（AI估算：25K-60K/月）
成长发展匹配
85较高
职位涉及前沿GenAI和智能体技术，提供深度学习机会，但晋升路径未明确提及。
技术前沿前沿/新兴技术
技术栈Python、LLM、RAG、LangChain、LangGraph、Agentic AI、向量数据库、AWS、Azure、GCP
成长机会mentor junior team members
业务类型ambiguous
工作生活匹配
50较低
职位要求现场办公，未提及弹性工作或远程选项，且地点上海核心区域，通勤可能较长。
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
90较高
工作直接服务于癌症研究和患者健康，社会意义巨大，且行业增长前景良好。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号advance cancer research, clinical development, and patient outcomes
创新程度积极采用新技术
Watch Jobs