埃森哲
AI / ML Engineer
AI / ML Engineer
发布于 3 小时前普通员工/个人贡献者
全职员工混合式弹性办公机器学习工程
机器学习工程
全栈开发
大语言模型
平台工程
提示词工程
数据架构
机器学习
模型微调
生成式Ai
值不值得投
72综合评分
综合评分 72
前沿大模型技术栈、外企平台资源优厚、侧重技术落地与跨团队协作
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
3.5万
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
约 130 个在招
市场机会
选择面较广
上海 · 机器学习工程 · 约 400 个在招
职位详情
关于这个职位
负责优化大语言模型输出质量与相关性，设计开发集成LLM的综合系统，编写生成式AI提示词，并基于全栈技术栈开发支持LLM功能的应用程序
需结合领域数据与技术进行模型微调与迭代优化，推动技术落地
最低要求
具备机器学习入门级熟练度
拥有相关技能至少4年的工作经验
获得相关领域的学士学位
工作职责
应用领域知识优化大语言模型，提升输出质量与相关性
设计并开发集成大语言模型或其应用的综合系统
为生成式人工智能模型创建有效的提示词，以改善交互与结果
利用完整技术栈开发应用程序，以支持大语言模型功能
应用特定领域的数据与技术，使模型有效适应专业领域
通过微调与迭代改进，提升模型准确性与性能
优先资格
具备数据架构原则的入门级熟练度
具备数据库架构的入门级熟练度
具备大语言模型微调的入门级熟练度
具备平台工程的入门级熟练度
具备技术架构蓝图与路线图定义的入门级熟练度
AI 洞察
优缺点分析
优点
- 依托跨国咨询平台接触多元行业场景
- 技术栈聚焦前沿大模型与生成式AI
- 完善的培训体系与全球化协作机会
- 需求可能随客户项目快速切换
- 需兼顾技术落地与客户业务沟通
- 适合对大模型应用落地有热情、具备全栈开发基础且能适应跨团队协作的技术人才
缺点 / 挑战
- 初期可能面临较高交付压力
角色解读
- 可向AI架构师、大模型算法专家或技术项目经理方向发展
- 积累行业Know-how后可转型为垂直领域AI解决方案负责人
- 负责大语言模型的优化、微调与系统集成开发
- 设计生成式AI应用的全栈技术方案
- 编写与管理Prompt以提升模型交互效果
- 扎实的机器学习基础与大模型微调能力
- 熟悉全栈开发技术栈
- 具备Prompt Engineering与领域数据适配经验
申请策略
- 提前了解埃森哲在AI咨询领域的重点行业布局
- 准备1-2个将AI技术转化为业务价值的完整案例
- 突出大模型微调、Prompt优化或GenAI应用开发的项目经验
- 强调全栈技术栈掌握程度与领域数据适配案例
- 补充主流开源大模型微调实战
- 学习LangChain/LlamaIndex等框架
- 强化SQL与数据库架构知识
面试指南
- 采用STAR法则描述项目背景、技术选型、实施步骤与量化结果
- 针对架构题先讲清模块划分与数据流，再说明容错与监控机制
- 请分享一次你优化大模型输出质量的具体实践
- 如何设计一个集成LLM的系统架构？
- 遇到模型幻觉或性能瓶颈如何处理？
- 复习Transformer原理与常见微调方法
- 准备全栈开发中的前后端联调与部署经验
- 熟悉企业级AI项目的合规与安全考量
职位点评
薪资福利65
成长发展85
工作生活65
使命价值70
薪资福利
65中等
薪资处于市场中上水平，外企通常具备完善的福利体系，但JD未披露具体薪酬数字，实际待遇需以Offer为准。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
85较高
聚焦大模型与生成式AI前沿技术，提供跨团队协作机会，利于技术深度拓展与复合型能力提升。
技术前沿前沿/新兴技术
技术栈Large Language Models、Machine Learning、Generative AI、Fine-Tuning、Platform Engineering、Data Architecture
业务类型ambiguous
工作生活
65中等
咨询公司项目节奏通常较快，但JD未明确办公模式与加班情况，实际工作强度需以入职为准。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
聚焦AI技术创新与企业数字化赋能，顺应技术演进趋势，具有较好的行业发展空间与社会价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
埃森哲 的其他在招职位
相似职位推荐
Watch Jobs