麦格纳
Engineer AI Application
Engineer AI Application
发布于 大约 6 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Opencv
Pytorch
Rag
Sql
Tensorflow
Yolo
机器视觉
深度学习
值不值得投
71综合评分
综合评分 71
AI应用工程师，涉及前沿技术栈，成长空间大，但工作模式未明确，需现场调试。
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
20K
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
45 个在招
市场机会
选择不多
南昌 · 人工智能 · 1 个在招
职位详情
关于这个职位
作为麦格纳的AI应用工程师，你将负责开发和实施汽车制造领域的人工智能解决方案，包括企业知识库系统、智能体（Agent）开发以及生产线机器视觉检测系统
你需要将AI技术应用于实际业务场景，提升制造效率和智能化水平，参与从需求分析到生产部署的全链路项目
最低要求
教育程度：大学本科及以上学历，大学英语四级或以上，计算机科学、人工智能、软件工程、自动化、数学等相关专业
工作经验：具有3年以上人工智能软件开发相关工作经验
有制造型企业（尤其是汽车行业）AI项目落地经验者优先
专业技能要求：基础理论：深入理解神经网络基本原理（如CNN、RNN、Transformer架构），熟悉反向传播、激活函数、优化器等核心机制，并能针对业务场景进行模型选型与调优
编程与框架：精通Python及常用数据科学库（Pandas、NumPy、Scikit-learn）
精通PyTorch或TensorFlow深度学习框架
熟悉Linux开发环境及基本Shell脚本
大模型与生成式AI：深入理解RAG（检索增强生成）全链路技术，熟悉向量数据库（如Milvus/Qdrant）的使用
有实际的大模型微调（SFT/LoRA）、提示词工程和智能体（Agent）开发经验（熟悉LangChain/LlamaIndex/Dify等框架）
机器视觉：熟悉OpenCV，掌握经典目标检测模型（如：Unet、YOLO等系列）的原理及应用
了解模型量化、TensorRT等边缘端部署技术
数据库与数据管道：熟悉SQL语言，了解Oracle、Hana、MSSQL、MySQL、PostgreSQL等关系型数据库
有与BI/数据仓库对接的经验，理解ETL流程
能力要求：具备独立完成从需求分析、数据准备、模型选型、开发训练到生产环境部署的全链路能力
具备优秀的沟通能力和需求分析能力，能将模糊的业务问题（如“提高质检效率”、“让知识库更智能”）转化为具体的技术方案
能在有限资源下独立推进项目，具备极强的问题解决能力和动手意愿（能接受去生产车间现场调试）
具有良好的代码编程习惯及技术文档编写能力
工作职责
流程及制度：编制AI项目开发、模型管理、数据标注及AI系统运维相关的管理流程与制度
信息系统规划：参与公司AI应用及数据智能规划方案的编制与讨论，为AI技术选型提供专业建议
大模型应用开发（知识库与智能体）：负责企业内部知识库系统的架构设计与落地，解决文档解析、知识切分、向量检索和语义重排等关键问题
负责基于大语言模型的智能体（Agent）设计与开发，利用工具调用（Function Calling）实现AI与内部系统（如MES、ERP）的交互
跟踪和反馈实施效果
机器视觉系统开发（缺陷检测）：负责生产线视觉检测需求的评估、方案设计及实施
负责图像数据的采集、标注指导、模型训练、优化及准确率提升
负责将视觉模型进行量化压缩，并部署到车间边缘端设备（如工控机）上稳定运行
项目实施与运维：负责AI项目的全生命周期管理，包括需求调研、方案设计、开发实施、上线培训及持续运维
跟踪AI领域前沿技术发展，定期评估并引入适合公司业务的新技术、新工具
合规与安全：认真贯彻执行国家及行业有关网络安全、数据隐私和AI伦理的法规和政策
在AI开发中严格执行公司信息安全与数据保护制度，确保AI系统与模型的安全可靠
主动识别并报告系统中的安全隐患，积极参与安全培训
领导交办的其他业务：完成上级领导交办的其他业务
优先资格
有制造型企业（尤其是汽车行业）AI项目落地经验者优先
AI 洞察
优缺点分析
优点
- 涉及前沿AI技术（大模型、机器视觉），技术栈全面，有利于技能积累和成长
- 汽车制造业智能化趋势明确，行业前景稳定，项目落地能产生实际业务价值
- 公司平台较大，资源丰富，有机会参与全球化项目
- 需要独立承担AI项目全链路开发，技术难度高，对问题解决能力要求强
- 可能需到生产车间现场调试，工作环境可能较为艰苦，通勤或出差频率不定
- 适合有扎实AI基础、喜欢解决实际工业问题、能接受现场工作、追求技术深度的工程师
缺点 / 挑战
- 汽车行业项目节奏可能较快，需平衡开发与运维压力
角色解读
- 可向AI架构师、技术经理或领域专家（如计算机视觉专家、大模型专家）方向发展
- 随着AI在制造业的深化应用，有机会参与更复杂的智能制造项目，提升技术影响力
- 负责企业AI项目全生命周期管理，包括知识库系统架构设计、智能体（Agent）开发与生产线机器视觉检测系统实施
- 将AI技术应用于汽车制造场景，如提升质检效率、构建智能知识库，并与内部系统（MES、ERP）集成
- 参与AI技术选型与规划，跟踪前沿技术发展并引入适合业务的新工具
- 精通Python及深度学习框架（PyTorch/TensorFlow），熟悉大模型应用（RAG、Agent）和机器视觉（OpenCV、YOLO）
- 具备独立完成从需求分析到模型部署的全链路开发能力，能将业务问题转化为技术方案
- 熟悉数据库（SQL）和ETL流程，有Linux环境开发经验，能接受现场调试
申请策略
- 研究麦格纳在智能制造和AI方面的战略，展示与公司业务方向的契合
- 准备实际项目案例，详细阐述技术选型、挑战和成果，体现问题解决能力
- 突出AI项目经验，特别是大模型应用（如RAG、Agent开发）和机器视觉检测的落地案例
- 强调全链路开发能力，从需求分析到模型部署，并展示代码习惯和文档能力
- 如有制造业或汽车行业经验，需重点描述，以匹配岗位优先资质
- 加强大模型微调（SFT/LoRA）和部署技术，学习TensorRT等边缘端优化工具
- 提升ETL和数据管道技能，熟悉BI/数据仓库对接，以增强数据工程能力
- 了解汽车制造流程和MES/ERP系统集成知识，便于业务场景转化
面试指南
- 采用STAR法则（情境、任务、行动、结果）组织回答，突出技术细节和业务价值
- 结合具体技术点（如RAG流程、模型量化）阐述方案，展示专业深度
- 强调沟通与需求转化能力，说明如何将模糊需求转化为可行方案
- 如何设计一个企业知识库系统，解决文档解析和语义检索问题？
- 机器视觉在生产线缺陷检测中，如何平衡模型准确率和实时性？
- 如何将大语言模型智能体（Agent）与内部系统（如ERP）集成？
- 描述一个你独立完成的AI项目，从需求到部署的全过程
- 在有限资源下，如何推进AI项目并确保落地效果？
职位点评
薪资福利70
成长发展85
工作生活50
使命价值75
薪资福利
70中等
职位提供市场水准薪资，福利可能包括标准保障，但JD未明确披露具体福利项。
薪资信号面议 (15K-25K/月)
成长发展
85较高
岗位涉及大模型、机器视觉等前沿AI技术，提供技能成长和项目实践机会，但需独立承担全链路开发。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、RAG、LangChain、OpenCV、YOLO、SQL
业务类型ambiguous
工作生活
50较低
岗位要求能接受去生产车间现场调试，办公模式未明确，可能需现场办公，WLB信号不足。
工作模式未明确
办公地点工厂/生产基地
加班情况未提及（无法判断）
使命价值
75中等
AI技术应用于汽车制造，推动智能化生产，具有行业前景和社会价值，但JD未强调使命导向。
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
麦格纳 的其他在招职位
相似职位推荐
Watch Jobs