中国平安
AI工程化岗
AI工程化岗
发布于 大约 17 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
PyTorch
TensorFlow
LLM
运维
Scikit-learn
Prompt工程
GPT-4o
Qwen
Ai工程化
AI 估算 · 25k–45k
AI工程化岗属于前沿技术，大厂平台，深圳薪资水平高，2年经验中级，预估25-45K，中位数35K，14薪合理。
职位详情
关于这个职位
该职位负责AI模型在运维场景中的选型、评估与优化，推动AI覆盖率达到90%
你将接触全球及国内主流大模型，进行模型微调与Prompt工程，解决故障根因分析和应急预案推荐等实际问题
适合有2年以上算法落地经验、熟悉大模型应用的工程师
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
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
- 技术栈前沿，接触全球最新的大模型和AI工程化实践
- 平安作为行业巨头，平台稳定，项目体量大，能积累高端落地经验
- 公司重视AI转型，有充足资源和跨团队协作机会
- 对算法的实际落地能力要求高，需要快速解决业务痛点
- 大模型技术迭代快，需持续学习保持竞争力
缺点 / 挑战
- 涉及运维场景，可能面临高可用和实时性压力
- 适合有2年以上算法落地经验、热爱AI工程化、能承受一定技术挑战的求职者
角色解读
- 可向AI工程化专家或技术Leader方向发展，主导更大规模的AI项目
- 在平安体系内可晋升为高级算法工程师或算法架构师
- 未来可转向金融科技AI解决方案架构师或AI产品经理
- 负责AI大模型在运维场景中的选型，比较全球和国内主流模型性能，设计评估流程
- 对故障根因分析和应急预案推荐等核心场景进行模型微调和Prompt优化，提升AI覆盖率
- 协同跨团队推进AI工程化落地，量化算法效果并持续迭代
- 精通Python和机器学习框架（TensorFlow/PyTorch），具备独立完成算法落地的能力
- 熟悉大模型（如GPT-4o、Qwen系列）的应用和调优，了解Prompt工程
- 有NLP和深度学习基础，能进行特征工程和模型评估
申请策略
- 提前了解平安的AI战略和已有产品，在自荐信中体现对AI工程化的热情
- 准备一个与运维相关的算法优化案例，展示从问题到落地的完整思路
- 重点突出大模型应用项目经历，包括模型选型、微调和效果量化
- 强调Python和框架的熟练度，附上GitHub或项目案例链接
- 展示在金融或互联网行业的算法落地成果，如覆盖率提升、故障解决效率等
- 补充学习Prompt工程和RAG等主流LLM应用技术
- 了解运维领域知识，如AIOps、故障根因分析等
面试指南
- 使用STAR法则描述项目：背景、任务、行动、结果，重点突出你的贡献和量化指标
- 对于Prompt设计，先分析任务需求，再构造模板，最后通过A/B测试迭代优化
- 请描述你主导过的一个大模型选型和落地的项目，如何评估效果？
- 针对故障根因分析场景，你会如何设计Prompt来提升准确率？
- 如何量化算法在业务中的效果？请举例说明
- 对比GPT-4o和Qwen，你会如何选择？为什么？
- 在跨团队协作中，如何推动AI工程化项目落地？
- 复习大模型基础原理和Prompt工程技巧，准备1-2个完整项目案例
匹配度报告
72
综合匹配度
大厂AI工程化岗，技术前沿，薪资可观，但WLB一般需现场办公。
适合人群
最看重技术成长和前沿实践，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80
成长发展90
工作生活50
使命价值70
薪资福利匹配
80较高
平安作为上市巨头，薪资福利有竞争力，但JD未明确具体数字，估值中等偏上。
薪资信号未披露（AI估算：25K-45K/月）
成长发展匹配
90较高
职位涉及前沿大模型技术，有明确技术成长空间，且平安重视AI转型，有利于职业发展。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、LLM、GPT-4o、Claude、Qwen、混元、文心一言、豆包、Prompt工程
业务类型profit_center
工作生活匹配
50较低
未提及远程或弹性工作，现场办公可能有一定强度，总体WLB一般。
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
70中等
AI工程化对行业有积极影响，平安作为金融科技巨头，能推动技术落地，但社会意义中等。
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