趋势科技
(Sr.) AI Engineer - Agentic AI
(Sr.) AI Engineer - Agentic AI
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Ai Agent
CI/CD
Fine-Tuning
Llm
Prompt Engineering
Pytorch
Tensorflow
值不值得投
73综合评分
综合评分 73
前沿AI技术栈、网络安全领域、平台稳定，但办公灵活性未知。
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。
薪资怎么样
23K
比机器学习工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
79 个在招
市场机会
选择不多
台北 · 机器学习工程 · 3 个在招
职位详情
关于这个职位
负责研究前沿AI/LLM技术，构建AI基础设施和工具，推动团队采用AI驱动的开发工作流
核心工作包括为网络安全用例微调优化大语言模型、设计AI原生开发工具与自动化方案，以及进行AI技术研究与创新
该职位是新兴AI能力与实际工程应用之间的关键桥梁
最低要求
计算机科学、工程、人工智能、机器学习或相关专业本科或硕士学位
1年以上机器学习与AI开发实战经验
具备LLM微调与优化实操经验
有使用AI工具（如Copilot、Claude Code、Codex等）进行软件开发的实践经验
精通Python编程语言
熟悉深度学习框架（如PyTorch、TensorFlow）
理解Transformer架构和LLM微调框架（如HuggingFace、vLLM）
具备扎实的提示工程和AI Agent开发专长
熟悉Git和CI/CD流程
工作职责
LLM微调与优化：为网络安全用例微调和优化大语言模型与小型语言模型
制定微调策略并进行模型评估
使用参数高效微调方法（如LoRA、QLoRA、PEFT）
优化模型推理延迟和资源利用率
AI驱动开发与工具：设计和实现使用Copilot、Claude Code、Codex等工具的AI原生开发工作流
构建加速软件开发的AI Agent和工具
开发由AI/LLM驱动的API、SDK和自动化工具
将AI能力集成到现有开发流水线中
AI研究与创新：研究和评估前沿AI/LLM技术
设计和执行概念验证（POC）
排查和调试复杂AI相关问题
优先资格
具备AI Agent设计及多智能体系统经验
有向量数据库（如Pinecone、Weaviate、ChromaDB）使用经验
了解RAG架构与MCP集成
拥有云平台（AWS、Azure、GCP）使用经验
有容器化（Docker、Kubernetes）经验
具备GPU编程与优化（CUDA）经验
AI 洞察
优缺点分析
优点
- 技术前沿：直接接触和应用LLM、Agent等最新AI技术，技术成长空间大
- 行业聚焦：在网络安全这一关键领域实践AI，能积累独特的跨领域经验
- 平台资源：作为上市大公司，有完善的基础设施和资源支持AI研发
- 跨领域融合：需深入理解网络安全业务，将AI技术与安全需求有效结合，对学习能力要求高
- 工程与研究平衡：既要进行前沿研究探索，又要保证工具和工作流的工程化落地与稳定性
- 适合具备扎实AI工程基础、对LLM和Agent技术有热情、乐于通过技术解决复杂实际问题，并希望在网络安全领域深耕的工程师
缺点 / 挑战
- 技术复杂度高：需要快速跟进AI技术迭代，并解决模型在安全场景下的性能与可靠性挑战
角色解读
- 可深耕AI安全垂直领域，成为特定安全问题的AI解决方案专家
- 向AI架构师或技术负责人发展，主导大型AI平台或复杂AI系统的设计与落地
- 转型为AI产品经理或研究科学家，推动AI技术在公司战略中的创新应用
- 研究并应用前沿AI/LLM技术，特别是为网络安全场景优化模型性能
- 构建AI工具和Agent，以自动化或增强软件开发流程，提升团队效率
- 设计和实施AI驱动的开发工作流，集成现有CI/CD管道
- 精通LLM微调技术（如LoRA）及评估方法，并能优化推理性能
- 熟练使用Python及主流深度学习框架（PyTorch/TensorFlow），具备扎实的AI工程能力
- 深入理解提示工程、Agent设计及Transformer架构，能构建复杂AI应用
- 熟悉Git、CI/CD和云平台，具备端到端AI项目交付经验
申请策略
- 研究趋势科技在AI安全方面的产品和公开论文，理解其业务挑战，在面试中展现相关思考
- 准备一个个人或开源项目，演示如何构建一个AI Agent或优化LLM以解决特定问题
- 突出LLM微调、Agent开发相关的项目经验，量化模型性能提升或效率改进成果
- 详细列举使用过的AI工具链（如Copilot、HuggingFace）和开发实践
- 强调在Python、PyTorch/TensorFlow等技术栈上的熟练度和项目应用
- 深入学习和实践RAG架构、向量数据库集成，以及多智能体系统设计
- 补充GPU编程（CUDA）和云平台（AWS/Azure）的实战知识，提升部署优化能力
面试指南
- 采用STAR法则（情境、任务、行动、结果）来结构化回答项目经验问题
- 对于技术设计问题，先阐述整体思路和架构权衡，再深入关键技术点
- 展示解决问题的系统性思维：从问题定义、方案比较、实施步骤到效果验证
- 请描述一次你使用LoRA等方法微调大语言模型的经验，遇到了哪些挑战以及如何解决的？
- 你如何设计一个AI Agent来辅助软件开发？请从架构、工具集成和评估指标等方面说明
- 当遇到LLM在特定任务上效果不佳时，你会如何系统地进行问题诊断和优化？
- 你对RAG架构与直接微调LLM在解决复杂问题时的优劣有何理解？
- 复习LoRA、QLoRA等微调技术的原理、适用场景和常见配置参数
职位点评
薪资福利75
成长发展90
工作生活50
使命价值70
薪资福利
75中等
作为上市超大型科技公司的技术岗位，预计能提供具有市场竞争力的薪酬和福利，稳定性较好。
薪资信号面议 (1.5–3万/月)
成长发展
90较高
该职位聚焦LLM、AI Agent等前沿技术，要求高，能提供深度技术钻研和快速成长的机会。
技术前沿前沿/新兴技术
技术栈LLM、Fine-Tuning、AI Agent、PyTorch、TensorFlow、Prompt Engineering
业务类型profit_center
工作生活
50较低
JD未提及具体工作模式和WLB信息，基于传统科技公司现场办公的常见情况，灵活性有限。
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
70中等
在网络安全这一关键领域应用AI技术，具有保护数字世界的社会价值，行业前景明确。
行业发展稳定成熟行业
社会影响正向社会影响力较高
使命信号守护世界、连接智慧
创新程度积极采用新技术
趋势科技 的其他在招职位
相似职位推荐
Watch Jobs