维塔士
Senior Machine Learning Engineer
Senior Machine Learning Engineer
发布于 6 个月前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
学历未注明
软件工程
智能体架构
机器学习
游戏开发
comfyui
SQL
生成式AI
AI 估算 · 35k–60k
该职位要求高级AI工程技能，涉及前沿的智能体与生成式AI技术，且服务于高价值的游戏行业，技术门槛与市场稀缺性共同推高了薪资水平。
职位详情
关于这个职位
这是一个高级机器学习工程师职位，专注于为游戏开发领域构建智能系统和生成式内容
你将负责设计和开发智能体架构，并构建、定制和维护用于生成2D/3D内容的AI工作流
核心任务是将前沿的AI研究或原型转化为稳定、可维护的生产级系统，并与游戏和美术团队紧密合作，将AI能力集成到实际的生产管线中
最低要求
职责要求：
智能体架构与智能系统：使用LangChain、LangGraph等框架设计和开发智能体
通过模型上下文协议（MCP）集成工具（有DCC工具如Blender、Maya或Unreal经验者优先）
处理高级智能体主题：上下文工程、记忆、规划和模型路由策略
与游戏和美术团队合作，将AI智能体连接到生产管线
生成式2D/3D内容：构建、定制和维护Gen2D/Gen3D/视频生成工作流（如ComfyUI）
训练和部署生成模型（如Stable Diffusion, Qwen）
将生成式工作流与DCC和创意工具集成
交付生产级系统：将想法、原型或研究代码转化为可靠、可维护、生产就绪的系统
编写遵循最佳实践的干净、文档齐全的代码
与其他工程师和艺术家合作，持续强化已部署的机器学习解决方案
工作职责
职责要求：
智能体架构与智能系统：使用LangChain、LangGraph等框架设计和开发智能体
通过模型上下文协议（MCP）集成工具（有DCC工具如Blender、Maya或Unreal经验者优先）
处理高级智能体主题：上下文工程、记忆、规划和模型路由策略
与游戏和美术团队合作，将AI智能体连接到生产管线
生成式2D/3D内容：构建、定制和维护Gen2D/Gen3D/视频生成工作流（如ComfyUI）
训练和部署生成模型（如Stable Diffusion, Qwen）
将生成式工作流与DCC和创意工具集成
交付生产级系统：将想法、原型或研究代码转化为可靠、可维护、生产就绪的系统
编写遵循最佳实践的干净、文档齐全的代码
与其他工程师和艺术家合作，持续强化已部署的机器学习解决方案
优先资格
优先技术栈/工具（非必需，但具备以下经验者优先）：AWS, SQL（特别是用于检索增强生成/RAG）, FastAPI, ComfyUI, GitLab
具备游戏开发、美术创作或数字内容生产管线知识
能让你脱颖而出的条件：
拥有构建智能体架构和/或生成式工作流并将其投入生产的经验者优先
熟悉工具集成协议（如MCP）和DCC环境（Blender, Maya, Unreal等）
对游戏、美术创作或创意技术管线有兴趣或经验
强大的解决问题能力、协作精神以及学习新技术的热情
AI 洞察
优缺点分析
优点
- 技术前沿：直接接触并应用智能体、AIGC等最热门的AI技术，技能积累价值高，市场竞争力强
- 行业结合紧密：在顶级游戏公司中将AI技术应用于实际产品，项目成果可见度高，能积累宝贵的行业落地经验
- 明确的工程导向：角色强调将研究转化为生产系统，非常适合希望深耕AI工程化、而不仅是理论研究的工程师
- 技术复杂度高：需要同时掌握AI模型、软件工程和游戏开发管线知识，学习曲线陡峭，对综合能力要求高
- 适合对AI技术充满热情，并希望将其应用于创意产业（特别是游戏）的资深工程师
- 适合那些不仅懂算法，更擅长工程落地、热爱解决复杂实际问题的技术人才
缺点 / 挑战
- 平台优势：维塔士服务全球顶级游戏厂商，参与AAA项目，能接触国际化的团队和一流的技术挑战，视野开阔
- 跨领域协作压力：需要频繁与游戏策划、美术等非技术团队沟通，将技术需求转化为业务语言是一大挑战
- 生产环境压力：负责将AI系统投入实际游戏生产，对系统的稳定性、性能和可维护性有极高要求，责任重大
角色解读
- 技术纵深：可以成为游戏AI或AIGC领域的专家，主导更复杂的技术架构或创新项目
- 横向拓展：凭借对游戏生产管线的理解，可以向技术美术（TA）、技术总监或AI产品经理等复合型角色发展
- 行业影响力：在AAA游戏项目中成功应用AI，能积累宝贵的行业案例，提升在游戏技术圈的知名度与竞争力
- 你将设计和开发基于LangChain等框架的智能体（AI Agent），并处理其记忆、规划等高级功能，使其能与游戏开发工具（如Blender, Unreal）交互
- 你需要构建并维护用于生成游戏美术资源（2D/3D图像、视频）的AI工作流，涉及训练和部署如Stable Diffusion这类生成模型
- 你的核心产出是将前沿的AI研究或实验性代码，工程化为稳定、可靠、可维护的生产级系统，供游戏项目团队日常使用
- 核心是AI工程能力：精通智能体架构（如LangChain）和生成式模型（如Stable Diffusion）的工程化应用与部署
- 需要具备扎实的软件工程基础，能够编写高质量、可维护的生产代码，并熟悉相关工具链（如GitLab, FastAPI）
- 对游戏开发管线或数字内容创作（DCC）工具有了解或强烈兴趣，这是将AI技术落地到游戏行业的关键
- 强大的问题解决能力和跨团队（工程师、艺术家）协作沟通能力
申请策略
- 在申请或面试中，可以表达你对游戏行业和AI结合的兴趣，并展示你对AI如何改变游戏开发流程（如资产生成、NPC行为）的思考
- 研究维塔士参与过的游戏项目，了解其业务，在沟通中体现出你对公司业务的熟悉度和加入的诚意
- 重点突出与“智能体（Agent）”或“生成式AI（AIGC）”相关的项目经验，详细说明你在其中的角色、技术栈（如LangChain, Stable Diffusion）和取得的量化成果
- 强调任何将机器学习模型从研究/原型阶段成功部署到生产环境的完整经历，包括遇到的工程挑战和解决方案
- 如果有游戏开发、计算机图形学或使用DCC工具（Blender, Maya等）的经验，务必单独列出，这是重要的加分项
- 展示你的代码质量和工程能力，可以提供GitHub链接或描述你遵循的编码规范、测试和部署流程
- 如果对游戏管线不熟，可以快速学习一款主流游戏引擎（如Unreal或Unity）或DCC工具（如Blender）的基础知识，了解其基本工作流程
- 深入实践LangChain或AutoGen等智能体框架，尝试构建一个能调用简单工具（如搜索、计算）的演示性智能体
面试指南
- 对于技术问题，采用“情境-任务-行动-结果”（STAR）原则来组织答案，重点突出你的技术决策、解决问题的过程以及最终的业务影响
- 在回答系统设计或工程实践问题时，展现出分层和模块化的思维，强调可扩展性、稳定性和团队协作的便利性
- 当被问及跨团队合作时，答案应体现你的沟通技巧、同理心以及将技术语言转化为业务价值的能力
- 请详细介绍一个你构建的AI智能体项目，你使用了什么框架（如LangChain）？遇到了哪些挑战，如何解决的？
- 你如何将一个研究阶段的生成式模型（如Stable Diffusion）部署为可供团队使用的稳定生产服务？请描述整个流程和注意事项
- 假设需要为游戏美术团队开发一个自动生成道具纹理的AI工具，你会如何设计这个系统的工作流和技术架构？
- 你如何确保你开发的AI系统代码是高质量、可维护的？请谈谈你遵循的工程实践
- 请分享一次你与非技术同事（如艺术家、策划）成功合作的经验，你是如何沟通技术概念和协调工作的？
职位点评
Watch Jobs