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
软件工程
NLP
PyTorch
TensorFlow
大模型
GPT-4o
n8n
Qwen
Workflow
Claude 3
AI 估算 · 30k–50k
大模型应用方向热门，平安作为金融科技巨头薪资有竞争力，中级工程师月薪3-5万合理。
职位详情
关于这个职位
该职位聚焦大模型与算法模型的工程化应用，通过上下文工程优化、AI应用编排和代码开发，提升模型落地效果
你将深度结合业务场景，使用n8n等工具实现流程自动化，并持续优化模型调用参数
适合有算法应用经验、熟悉Python和主流大模型、追求技术落地的工程师
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
聚焦现有大模型与算法模型的工程化应用，深度结合业务场景需求，通过上下文工程优化（精准提示词设计、上下文窗口裁剪与复用、多轮对话逻辑优化）最大化现有模型能力，解决业务实际问题，不涉及模型底层训练与算法创新，仅聚焦模型落地效果提升
负责AI应用的编排与流程化落地，熟练运用n8n、Workflow编排框架及通用开发工具，完成业务流程的可视化搭建、节点逻辑配置与流程联动，实现模型调用、数据处理、业务接口交互的全流程自动化，降低业务落地门槛
基于代码开发（Code）实现模型应用的定制化开发，编写高效、可复用的业务代码完成模型集成、接口适配、数据解析与结果落地，结合上下文工程技巧优化代码逻辑，保障模型应用与业务系统的无缝对接，提升应用稳定性与易用性
持续优化模型应用效果，基于业务反馈与运行数据，调整流程编排逻辑与代码实现，优化模型调用参数与结果解析规则，解决应用落地中的效果不佳、流程卡顿、数据异常等问题，提升业务转化效率与用户体验
AI 洞察
优缺点分析
优点
- 聚焦大模型应用落地，紧跟技术前沿，技能积累价值高
- 平安作为金融科技巨头，平台大、资源多，项目影响力广
- 工作内容偏工程化，避免底层算法研究的枯燥，成果可量化
- 需要快速理解复杂业务场景，跨团队协作要求高
- 模型效果优化依赖业务反馈，可能面临频繁迭代和调整
- 对工程化能力要求高，需同时掌握编排工具和代码开发
- 适合有算法背景但更倾向工程落地、喜欢解决实际问题的工程师，尤其对金融科技感兴趣者
缺点 / 挑战
暂无明显挑战项
角色解读
- 向AI应用架构师发展，主导复杂业务场景的AI解决方案设计
- 深入大模型应用优化，成为提示词工程或模型微调专家
- 横向拓展至AI产品经理或技术管理岗位，推动AI业务落地
- 通过提示词工程和上下文优化，最大化现有大模型在业务场景中的效果，不涉及模型训练
- 使用n8n等工具编排AI应用流程，实现模型调用、数据处理和业务接口的自动化
- 编写Python代码进行模型集成、接口适配和结果解析，确保应用稳定高效
- 根据业务反馈持续调整流程和代码，优化模型调用参数，提升转化率和用户体验
- 精通Python，具备扎实的数据处理和特征工程能力
- 熟悉主流大模型（GPT-4o、Claude 3、Qwen等）及其API调用
- 掌握至少一种深度学习框架（TensorFlow、PyTorch），了解NLP基础
- 具备AI工程化落地经验，熟悉n8n或类似工作流编排工具
申请策略
- 在求职信中表达对AI工程化转型理念的认同，并举例说明如何推动业务落地
- 关注平安的AI战略和金融科技产品，面试时展现对业务的理解
- 突出大模型应用项目经验，如提示词优化、流程编排或模型集成案例
- 量化算法落地效果，如提升转化率、降低响应时间等具体指标
- 展示Python编程和数据处理能力，附上GitHub或项目链接
- 强调跨团队协作和业务理解能力，体现从需求到落地的全流程经验
- 熟悉n8n或其他工作流编排工具，可提前学习并搭建Demo
- 深入了解主流大模型API（如OpenAI、通义千问），练习提示词设计
面试指南
- 使用STAR法则：情境、任务、行动、结果，突出具体问题和量化成果
- 对于技术问题，先阐述原理，再结合实际项目经验，最后总结最佳实践
- 对于协作问题，强调沟通、对齐目标和迭代反馈的过程
- 请描述一个你通过提示词工程优化大模型效果的案例
- 如何设计一个AI工作流来自动化处理客户咨询？
- 你如何评估和量化模型落地的业务效果？
- 在跨团队协作中，如何推动算法方案落地？
- 请比较GPT-4o和Qwen在中文任务上的优缺点
匹配度报告
65
综合匹配度
大厂AI应用岗，前沿技术栈，薪资面议，现场办公，WLB一般。
适合人群
适合追求技术成长、愿意在金融科技领域深耕的求职者，对WLB要求不高。
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85
工作生活40
使命价值60
薪资福利匹配
75中等
平安作为上市巨头，薪资福利有竞争力，但JD未明确薪资和福利，需面议。
薪资信号面议 (30K-50K/月)
成长发展匹配
85较高
职位聚焦大模型应用前沿技术，技能成长空间大，但JD未提及晋升或培训。
技术前沿前沿/新兴技术
技术栈Python、大模型、GPT-4o、Claude 3、Qwen、n8n、TensorFlow、PyTorch、NLP
业务类型profit_center
工作生活匹配
40较低
JD未提及远程或弹性工作，深圳现场办公，且无WLB相关描述，可能加班。
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
60中等
金融科技行业稳定增长，但JD未强调社会价值或使命感，创新水平积极采用新技术。
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