博世
AI & 数字化工程师-XC
AI & 数字化工程师-XC
发布于 大约 14 小时前普通员工/个人贡献者
苏州市
中级经验
全职员工
仅现场办公
不限
机器学习工程
Apqp
Fmea
Knime
Llm
Lora
Qlora
Rag
Sql
知识图谱
AI 估算 · 20k–35k
苏州AI工程师薪资有竞争力，3年以上经验外企大厂约2-3.5万/月。
职位详情
关于这个职位
该职位负责将AI大模型技术应用于制造业质量管理，包括微调LLaMA/Qwen等开源模型、构建RAG知识系统、开发智能Agent和QA问答系统，利用Python和云平台实现质量数据的智能化分析与预测
适合具备AI工程和数据分析背景、对工业质量场景感兴趣的工程师
最低要求
必备能力：
大模型技术栈：
具备LLM微调经验，熟悉LoRA/QLoRA优化技术
掌握RAG架构设计与优化
精通Prompt编写及质量任务相关的模型评估方法
质量工程基础：
年以上制造/软件/服务领域的质量管理经验
精通质量工具：FMEA、QG、8D、APQP
数据与工程能力：
精通Python编程，擅长数据处理与模型开发
在AWS、Azure、GCP等平台上部署AI服务的经验
其他要求：
本科或硕士学历，计算机科学、人工智能、数字化相关专业
年以上AI应用、数据分析与数字化解决方案开发经验
熟练掌握Python、SQL、KNIME或其他开发工具
熟悉机器学习、深度学习、大模型训练（如LLaMA、Qwen）、RAG、知识图谱等技术
自我驱动，逻辑清晰，具有从0到1的创新能力
优秀的团队协作与中英文沟通表达能力
热爱质量工作，有AI或数据平台质量项目经验者优先考虑
工作职责
核心职责：
一、AI与大模型在质量领域的应用开发
微调开源大模型（如LLaMA、Qwen）以实现故障识别、客户投诉分类、检测报告分析等任务
构建基于RAG的质量知识系统，整合企业内外部资源（如FMEA库、国家标准、案例数据库）
开发智能Agent、QA问答系统、语义检索工具，提高质量问题的识别、分析和处理效率
二、质量数据平台与算法能力建设
开发AI与数字化工具支持QMM工作
本地化适配全球和其他事业部的AI/DDQ方案，满足XC/QMM-CN的需求
推动质量工作的自动化，提高效率与效益
负责AI与数据驱动项目的管理与落地
定期监控AI质量应用及车辆数据运行状态，处理不符合项并支持预防质量流程
与工程团队合作解决质量数据链路中的技术问题与性能改进
对大模型和算法进行微调，确保AI工具达到最佳表现
在QMM团队中推广AI和数据驱动理念，开展知识分享
支持AS/AC-CN及CP-CN业务单元的数据驱动质量保障落地
参与XC全球及BBM-CN / XC-CN AI&DDQ; 合作组织
持续探索AI与数据驱动在质量战略中的更多应用场景
优先资格
加分项：
有质量场景中大模型项目的落地经验，具备端到端项目管理能力
有构建开源质量知识库或参与大模型微调项目的经历
熟悉制造或软件开发生命周期及常见质量问题场景
AI 洞察
优缺点分析
优点
- 技术前沿：接触LLM微调、RAG等最新AI技术，技能成长快
- 平台优势：博世作为跨国企业，有完善的培训和全球合作资源
- 业务价值：将AI应用于质量管理，对制造业智能化有直接贡献
- 跨领域经验：结合AI与质量工程，形成差异化竞争力
- 需要同时掌握AI技术和质量工程知识，学习曲线陡峭
- 制造业现场问题复杂，数据质量可能参差不齐，实施难度大
- 大模型落地需要端到端项目管理能力，对综合能力要求高
缺点 / 挑战
- 适合具有AI/数据背景、对工业场景感兴趣、愿意挑战复杂问题并推动技术落地的工程师
角色解读
- 可以成长为AI质量方向的专家，深入结合大模型与工业场景
- 有机会参与全球项目，向技术专家或项目负责人方向发展
- 随着制造业数字化转型加速，该领域人才需求旺盛，发展空间广阔
- 负责微调开源大模型（LLaMA、Qwen）用于故障识别、客户投诉分类、检测报告分析等NLP任务
- 构建基于RAG的质量知识系统，整合FMEA库、国家标准和案例数据库，开发可问答的智能知识中枢
- 开发智能Agent、QA问答系统和语义检索工具，提升质量问题的识别、分析和处理效率
- 与工程团队合作，监控AI质量应用运行状态，推动质量数据链路的性能改进和自动化
- 精通Python编程，熟悉LoRA/QLoRA微调技术，有LLM实战经验
- 掌握RAG架构设计与优化，熟悉Prompt工程和模型评估方法
- 熟悉FMEA、8D、APQP等质量工具，具备制造业质量管理背景
- 有AWS/Azure/GCP云平台部署经验，熟悉SQL和KNIME等数据处理工具
申请策略
- 了解博世的质量管理体系（QMM）和AI战略，在面试中展现匹配度
- 准备一个完整的AI+质量案例，展示从问题定义到落地的过程
- 突出大模型微调、RAG项目经验，特别是实际落地案例
- 强调质量管理工具（FMEA、8D）的使用经历或相关行业背景
- 展示Python、云平台（AWS/Azure/GCP）的熟练度，以及数据处理能力
- 如果有质量领域中AI应用的项目，重点描述
- 补充学习LoRA/QLoRA微调、RAG架构设计等大模型技术
- 熟悉制造业质量流程和工具，如FMEA、APQP
面试指南
- 使用STAR法则，结合具体项目，突出个人贡献和结果
- 对于技术问题，先讲原理，再讲实践中的取舍
- 结合质量场景，说明你如何权衡技术可行性和业务价值
- 请描述一次你微调大模型的经历，如何处理数据和质量问题？
- RAG架构中如何解决检索准确性和上下文冲突？
- 你如何将质量工具（如FMEA）与AI结合？
- 在AWS上部署AI服务时，如何保证性能和成本？
- 如果质量数据不完整/脏数据，你会如何处理？
职位点评
72
综合评分
前沿AI技术在制造业质量管理的应用，技术成长空间大，但灵活办公程度一般。
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
该职位最适合重视技术成长和职业发展机会，对薪酬和WLB要求相对灵活的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展90
工作生活50
使命价值75
薪资福利
70中等
薪资未在JD中披露，但博世作为跨国巨头提供有竞争力的薪酬和稳定福利，整体处于市场水准。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
90较高
职位涉及LLM微调、RAG等前沿技术，且公司提供知识分享和全球合作机会，个人成长潜力大。
技术前沿前沿/新兴技术
技术栈LLM、RAG、LoRA、QLoRA、Python、FMEA、8D、APQP、AWS、Azure、GCP、SQL、KNIME、知识图谱
业务类型cost_center
工作生活
50较低
职位要求现场办公，JD未提及弹性工作或远程，工作地点在苏州，生活节奏适中但灵活性一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
AI在质量管理中的应用有助于提升产品安全性和生产效率，具有积极社会意义，行业前景向好。
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
博世 的其他在招职位
相似职位推荐
Watch Jobs