中国平安
PaaS AI研发工程师
PaaS AI研发工程师
发布于 大约 2 个月前普通员工/个人贡献者
深圳市
无经验要求
全职员工
仅现场办公
学历未注明
研究与开发 (研发)
深度学习
PyTorch
RAG
PaaS
运维
大模型
提示词工程
MCP
AI 估算 · 20k–40k
AI算法岗，大模型方向，市场需求旺盛，薪资有竞争力。
职位详情
关于这个职位
该职位负责平安PaaS平台的AI研发，聚焦运维场景（如监控、告警、故障分析），涉及大模型优化、RAG和知识库管理
适合应届生或有经验的AI工程师，需要熟悉大模型、PyTorch和深度学习，能参与前沿技术落地并输出文档专利
最低要求
计算机、人工智能相关专业毕业应届生，或有实际的AI落地经验的工程师
熟悉大模型，具备提示词编写和调优经验，具备在AIGC平台上开发的能力
熟练使用pytroch、python，有良好的编码和文档习惯
熟悉深度学习算法，有AI相关的实践
工作职责
面向标准PaaS组件完成运维领域场景相关的算法、AI方案分析、开发和调试交付工作，场景包括但不限于：监控、告警、故障分析、巡检等
深度参与AI特性的AI研发工作，包括AI生成和优化、知识库管理和优化、多模态大模型、模型微调
输出开发文档和专利，参与运维领域AI相关产品和技术的发展路线讨论/交流
优先资格
有RAG、MCP落地经验的优先
AI 洞察
优缺点分析
优点
- 平安作为大型金融科技平台，技术资源丰富，稳定性高
- 参与前沿AI项目（大模型、RAG），积累实战经验
- 公司福利完善，薪资有竞争力
- 运维场景复杂，需深入理解业务才能有效落地AI方案
- 技术迭代快，需要持续学习大模型和运维新知识
- 大公司流程可能较慢，个人影响力建设需时间
- 适合对AI落地有热情、善于工程实现、愿意在金融科技领域深耕的计算机或AI专业毕业生
缺点 / 挑战
暂无明显挑战项
角色解读
- 可从AI工程师向高级算法专家或架构师方向发展
- 可转向大模型应用或AIOps领域的专家
- 在积累业务经验后，有望向技术管理岗位晋升
- 负责PaaS组件运维场景的AI算法开发，如监控、告警、故障分析和巡检等
- 参与大模型优化工作，包括提示词调优、RAG和知识库管理
- 输出技术文档和专利，并参与AI产品技术路线的讨论与交流
- 熟悉大模型原理和提示词工程，能进行模型微调和优化
- 熟练使用PyTorch和Python进行深度学习开发
- 了解RAG和MCP架构，有实际落地经验者优先
申请策略
- 关注平安科技在AI运维方面的产品方向，提前了解相关业务
- 简历中突出实际动手能力和解决问题的能力
- 突出大模型相关项目经验，尤其是提示词优化和RAG实现
- 展示PyTorch和Python编码能力，有开源贡献更佳
- 如有运维或分布式系统背景，务必重点强调
- 补充MCP（模型上下文协议）相关知识
- 了解AIOps运维领域的基本概念和常见场景
面试指南
- 使用STAR法则描述项目：情境、任务、行动、结果
- 从数据、模型、评估三个角度分析技术方案
- 强调实际调优经验和效果对比
- 请介绍一个你使用大模型解决实际问题的案例
- 如何优化RAG系统的检索效果？
- 熟悉哪些深度学习模型？在PyTorch中如何实现自定义层？
- 对运维领域的AI应用有什么理解？
- 复习大模型基础：Transformer、Prompt、Fine-tuning等
匹配度报告
75
综合匹配度
平安科技AI算法岗，前沿大模型技术栈，薪资有竞争力，但工作强度未知，现场办公。
适合人群
适合追求技术成长和前沿AI经验的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展90
工作生活60
使命价值65
薪资福利匹配
85较高
平安提供具有竞争力的薪酬和福利，但具体数额未披露。
薪资信号未披露（AI估算：20K-40K/月）
成长发展匹配
90较高
职位涉及前沿AI技术，能参与大模型落地，技术成长快。
技术前沿前沿/新兴技术
技术栈大模型、提示词、PyTorch、深度学习、RAG、MCP
业务类型cost_center
工作生活匹配
60中等
现场办公，可能有一定加班压力，但大公司制度相对规范。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
65中等
服务于金融科技运维，行业成熟，对社会直接影响有限。
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