阿斯利康
AI Engineer (Biometrics and Data Science)
AI Engineer (Biometrics and Data Science)
发布于 大约 3 小时前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
硕士
机器学习工程
Ai Agents
Llm
Mlops
Prompt Engineering
Rag
AI 估算 · 25k–45k
上海外企AI工程师，3-5年经验，结合行业和岗位稀缺性，薪资中等偏上。
职位详情
关于这个职位
该职位负责在阿斯利康生物统计与数据科学部门设计和部署AI智能体，例如ADaM代码生成、SAP生成等，结合LLM与确定性工具确保合规
工作包括开发RAG管线、评估框架和模型微调，与统计和平台团队紧密协作
适合具备3-5年AI工程经验、熟悉Python和LLM生态，并对制药行业感兴趣的工程师
最低要求
计算机科学、数据科学、应用数学或相关领域的硕士及以上学历，或同等实践经验
年构建AI/ML或NLP应用的经验，包括使用大语言模型或序列模型的production-grade系统
扎实的Python编程能力，具有构建服务和管道的经验（如FastAPI、LangChain/LlamaIndex或等效框架）
具有提示工程、检索增强生成和工具/函数调用的经验
能够设计确定性的后处理和验证器
熟悉软件工程最佳实践：版本控制、测试、CI/CD、容器化以及ML应用的可观测性
具有评估生成式系统的经验（人在回路审核、评分设计、离线/在线指标、A/B测试）并实施安全/护栏机制
能够将领域需求转化为模型能力，并能沟通质量、成本、延迟和可解释性之间的权衡
具有将LLM与代码生成工作流和执行沙箱集成的经验，包括对生成代码的静态分析和自动测试
接触过受监管环境（GxP、CSV）并且具备审计就绪文档实践
理解数据隐私和安全原则
具有向量数据库、嵌入和知识图谱/RAG技术的经验
模型优化（量化、蒸馏）和提示版本管理
熟悉生成式AI的MLOps（模型注册、特征/知识存储、推理网关）和成本/性能监控
工作职责
为部门设计、构建和迭代AI智能体，例如ADaM代码生成智能体、SAP生成智能体等，将LLM与确定性工具、模板和验证检查相结合
开发提示策略、检索和接地管线（如标准库、受控术语、研究规范）以及安全合规输出的护栏
为生成的代码实施评估框架（单元测试、统计检查、标准符合性、可重现性）并建立质量指标/KPI
构建将智能体与代码仓库、元数据存储、执行环境和审核/批准工作流集成的适配器
实现来源和可追溯性
在适当情况下对模型进行微调或定制（如指令调优、适配器），并管理模型选择、版本控制和推理优化
与统计程序员、数据科学家和统计学家合作，捕获需求、编码领域逻辑，并将反馈纳入智能体行为
与全栈和DevOps工程师合作，进行部署、监控、成本/性能调优以及生产环境中的可靠性
维护模型行为、数据源、提示模板、评估结果和变更控制的严格文档，以支持审计
AI 洞察
优缺点分析
优点
- 全球顶级药企平台，接触真实医药研发场景，业务价值感强
- 技术栈前沿（LLM Agents、RAG），能积累AI工程化实战经验
- 跨国团队协作，国际化视野，职业品牌背书好
- 医药行业合规要求严，工作流程可能繁琐，需严格文档
- 跨部门合作多，需理解统计和临床领域知识，学习曲线陡
- 外企节奏可能较快，需要同时兼顾质量和效率
- 适合具有较强AI工程背景，愿意深耕垂直行业，且对严谨合规环境有耐心的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向资深AI工程师或技术专家方向发展，深耕制药行业AI应用
- 有机会转向AI架构师或数据科学团队负责人等管理岗位
- 医药AI赛道持续升温，可拓展至更多业务场景和全球项目
- 设计并实现面向生物统计和药物研发的AI智能体，如ADaM代码生成、SAP生成等，将LLM与确定性工具结合
- 开发提示词策略、检索增强生成（RAG）管线及安全护栏，确保生成内容符合行业规范
- 构建自动化评估框架，包括单元测试、统计校验和人工审核，保障代码质量与可追溯性
- 与统计程序员、数据科学家合作，集成到现有工作流并持续迭代优化模型性能
- 熟练掌握Python，具备FastAPI、LangChain/LlamaIndex等框架开发经验
- 熟悉LLM提示工程、RAG、工具调用，以及模型微调与优化技术
- 了解MLOps实践，包括CI/CD、容器化、模型版本管理和监控
- 具备在监管环境（如GxP）下工作的意识和文档能力
申请策略
- 了解阿斯利康在数据科学和AI方向的布局，面试中展现对医药业务的兴趣
- 准备一个端到端的AI Agent项目介绍，突出评估与落地
- 突出LLM应用开发项目经验，特别是RAG、智能体、评估框架
- 强调Python工程能力，最好有FastAPI、LangChain等框架的实际部署案例
- 如果有制药、医疗或受监管行业经验，务必重点提及
- 补充MLOps相关技能（Docker、Kubernetes、MLflow等）
- 学习基础统计知识和GxP规范，提升领域契合度
面试指南
- 采用'需求分析→架构设计→评估迭代'的框架，强调技术与业务结合
- 对于质量评估，可提出多维度指标（功能正确性、风格符合、安全性、用户满意度）
- 强调迭代和人工审核流程，展示可靠性设计思维
- 如何设计一个基于LLM的代码生成智能体，并保证输出合规？
- 你如何评估生成式AI系统的质量？有哪些指标？
- 请描述一次你处理LLM输出幻觉或不稳定性的经历
- 在受监管环境中，如何确保模型的可追溯性和审计性？
- 复习RAG、Prompt Engineering核心概念，并思考实际工程落地细节
职位点评
75
综合评分
全球药企AI工程师，前沿技术栈，薪资稳定，但办公灵活性不明确。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
适合追求技术挑战和职业成长，能够适应外企合规环境的AI工程师。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展85
工作生活60
使命价值80
薪资福利
75中等
薪资福利符合外企水准，但JD未披露具体数字，稳定性好。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
85较高
技术栈前沿，涉及LLM Agents、RAG等，成长空间大，但晋升路径未明确。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Prompt Engineering、LangChain、MLOps
业务类型ambiguous
工作生活
60中等
办公模式未提及，可能为现场办公，WLB信息不明。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
医药行业具有正向社会价值，但JD未明确使命导向。
行业发展稳定成熟行业
社会影响正向社会影响力较高
创新程度积极采用新技术
阿斯利康 的其他在招职位
相似职位推荐
Watch Jobs