通用磨坊
AI Engineering & Operations Analyst
AI Engineering & Operations Analyst
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平台工程
平台工程
Ai平台运维
Api
Llm
技术文档
问题解决
阿里云
项目管理
值不值得投
74综合评分
综合评分 74
跨国食品巨头AI平台岗，技术栈前沿，成长性强，但办公模式及WLB未明确。
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。
薪资怎么样
22K
比平台工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
39 个在招
市场机会
选择适中
上海 · 平台工程 · 29 个在招
职位详情
关于这个职位
作为通用磨坊中国的AI工程与运营分析师，你将负责企业AI平台的技术实施、运营支持、集成测试及模型评估工作
该职位要求具备扎实的AI技术基础和工程交付能力，协调内外部团队，确保AI服务的可靠运行与持续优化，并推动AI技术在企业内的落地应用
最低要求
-5年经验，领域包括：AI/数据/软件工程或技术交付
企业应用或平台工程
云平台或集成工程
AI平台运维/MLOps/LLMOps
企业系统集成或应用交付
技术项目交付、供应商管理或生产系统支持
技术技能要求（优先）：
具备Python及现代编程知识，能够理解、审查和调试代码
良好的软件工程基础，包括模块化设计、错误处理、调试、测试和可维护性
良好的RESTful API、后端服务、认证、异步处理和第三方系统集成理解
了解SQL和数据库
熟悉NoSQL、缓存或数据处理技术者优先
熟悉Linux环境、Docker等容器以及云原生应用概念
理解Git、CI/CD、代码审查、测试及现代软件交付/DevOps实践
具有Azure DevOps经验者优先
良好的LLM、多模态模型、RAG、Agent、工作流、MCP/Skills及AI编排概念理解
具有至少一个主要云或企业AI平台经验
具有阿里云/Azure经验者优先
能够理解企业系统集成、认证、API安全、架构和数据流
具备可观察性、AIOps、AI FinOps、模型评估及性能/成本优化的基础知识
能够支持技术故障排查、系统测试、集成测试、发布验证和生产运维
能力要求：
较强的问题解决能力和足够的动手技术能力，能调查和验证工程问题
能够快速学习和评估新的AI技术
能够将技术主题转化为清晰的行动，并与产品、业务、平台和工程合作伙伴有效协调
对技术交付有强烈的责任感，能够管理供应商并推动问题解决
自驱力强，能够在快节奏、多变的环境中管理多个优先事项
具有较强的技术判断力、文档习惯和结构化思维
流利的中文和良好的英文沟通能力
具备求知欲、创造力和学习敏捷性
教育程度：计算机科学、软件工程、信息系统、数据科学/人工智能或相关工程/技术学科的学士学位或以上
工作职责
企业AI平台工程与运营：支持企业AI门户的实施、增强、配置和日常技术运维
支持AI平台管理、环境配置、访问启用和运维故障排查
监控平台健康、服务可靠性、使用情况和技术问题，协调内部团队和供应商解决
支持维护技术文档、运行手册和运维最佳实践
支持AI服务、API、集成、自动化组件及其他轻量级技术解决方案的技术实施和验证
AI集成与编排：支持企业AI平台、LLM服务、知识服务、内部应用和外部AI工具之间的集成
支持和管理API、工作流、Agent、Skill和编排的实施，以构建可复用的企业AI能力
协调集成测试和跨连接系统的端到端技术验证
确保集成遵循既定的企业架构、安全和工程标准，并支持必要的技术评审
AI模型与技术评估：评估LLM、多模态模型、AI平台、Agent框架、AIOps、AI FinOps及新兴企业AI技术
定义并协调涵盖质量、延迟、稳定性、成本、可扩展性和运维适配性的技术基准
支持模型/平台对比和技术推荐
跟踪相关AI技术趋势并将其转化为实际的企业实验
概念验证与原型验证：协调新AI能力和业务场景的技术概念验证活动
支持原型实施和技术验证，以评估可行性
定义技术测试场景、记录发现、识别风险、依赖和生产就绪差距
支持与工程合作伙伴一起完成从原型到生产实施的过渡
工程供应商与交付协调：协调外部工程供应商和技术实施活动
明确技术需求，审查实施方法和交付质量，识别技术风险，并在必要时对供应商建议提出质疑
参与功能、集成和回归测试、UAT支持、发布验证和上线活动
支持上线后的稳定和持续技术改进
AI运营、成本与可靠性：支持企业AI服务的运维监控，包括模型使用、性能、可靠性和成本
支持AI FinOps实践，如使用分析、模型/服务成本对比和优化机会
识别标准化和自动化重复性AI平台运维的机会
支持事件分析和持续改进，以减少运维开销
技术赋能与治理支持：组织或支持AI技术赋能计划，包括AI 301和其他技术培训
为内部用户和项目团队提供关于已批准企业AI能力的技术指导
支持架构、安全、隐私、合规和AI治理审查的文档和证据准备
在中国企业AI倡议中推广可复用的工程模式和技术标准
AI 洞察
优缺点分析
优点
- 深入企业级AI技术栈与实践，接触前沿的AI平台、模型与编排技术，技术视野广阔
- 身处跨国食品巨头，能将AI技术与具体业务场景深度结合，积累宝贵的行业AI落地经验
- 岗位综合性强，能锻炼技术评估、项目管理、跨团队协调等复合能力，职业发展路径多元
- 需要快速学习并评估不断涌现的AI新技术，对学习能力和技术判断力要求高
- 工作内容涉及平台运营与故障排查，可能需要应对生产环境中的紧急问题
- 适合具备扎实技术背景、热衷于AI平台与工程化实践、善于沟通协调，并希望在企业内推动AI技术规模化落地的求职者
缺点 / 挑战
- 作为技术协调者，需要在内部团队、业务方与外部供应商之间持续沟通，对协调与推动力是挑战
角色解读
- 技术深耕路径：可向AI平台架构师、AI MLOps/LLMOps专家、AI技术负责人方向发展
- 管理拓展路径：可成长为AI项目负责人、IT技术经理，或向AI产品经理角色转型
- 业务融合路径：凭借对AI落地的深入理解，可发展为AI解决方案架构师或数字化转型顾问
- 负责企业AI平台（如AI门户）的技术实施、日常运维和问题排查，确保平台稳定可靠
- 协调并管理AI模型、API及各类工具的集成与编排，构建可复用的企业AI能力
- 评估和测试新的AI技术、模型及平台，并与内外部团队合作将原型方案落地为生产应用
- 扎实的软件工程与云平台基础，熟悉Python、API、容器化及主流云服务（如阿里云/Azure）
- 对LLM、Agent、AI编排等前沿AI技术有深入理解，并能进行实践验证与评估
- 出色的项目协调与供应商管理能力，能有效沟通技术方案并驱动问题解决
申请策略
- 深入研究通用磨坊的业务及其在中国市场的数字化或AI应用动态，在面试中展现你对业务的理解与结合点
- 准备一个关于你如何评估、测试并推动一项AI技术从概念到落地的完整案例，突出你的技术判断与执行力
- 重点突出在AI平台、MLOps/LLMOps、API集成或云平台（阿里云/Azure）方面的项目经验与具体成果
- 描述协调技术供应商、推动项目交付或解决复杂技术问题的实例，体现项目管理与问题解决能力
- 列举对LLM、Agent等AI新技术的学习、评估或实践经历，展现技术热情与学习敏捷性
- 系统学习和实践LLMOps/AIOps相关知识，如模型部署、监控、评估与成本优化
- 深入理解云原生架构与DevOps流程，可考取相关云平台（如阿里云）的认证以增强竞争力
- 提升技术方案撰写与跨部门沟通能力，学习如何将复杂技术议题转化为清晰的行动计划
面试指南
- 使用STAR法则（情境、任务、行动、结果）来结构化你的回答，重点突出你的技术行动和可衡量的成果
- 在回答技术评估或架构类问题时，体现你的系统性思维，从质量、成本、可靠性、可扩展性等多个维度展开
- 强调你的沟通与协调能力，举例说明你是如何与不同背景的团队（产品、业务、工程）合作推进项目的
- 请描述一个你主导或深度参与的企业级AI平台/系统集成项目，你的具体角色、技术决策和最终成果是什么？
- 如果让你评估一个新的LLM模型或AI编排框架用于企业内部场景，你会设计哪些技术基准和测试维度？
- 当AI平台出现性能问题或服务中断时，你的排查思路和处理步骤是怎样的？请举例说明
- 你如何协调外部技术供应商，确保他们的交付符合我们的技术标准和项目要求？
- 你如何理解AI FinOps？请结合经验谈谈如何优化企业AI服务的成本
职位点评
薪资福利75
成长发展80
工作生活65
使命价值70
薪资福利
75中等
作为跨国公司的技术岗位，薪资和福利预计具有市场竞争力，能提供相对稳定的收入和保障。
薪资信号市场水准 (18K-26K/月)
福利待遇五险一金
成长发展
80较高
职位要求持续学习和评估前沿AI技术，并提供平台运维、项目管理等综合技能的锻炼机会，成长性较好。
技术前沿前沿/新兴技术
技术栈LLM、Agent、AIOps、AI FinOps、RAG、MCP/Skills
业务类型ambiguous
工作生活
65中等
JD未明确说明远程或弹性办公政策，但提到了管理多个优先事项，可能面临一定的工作压力。
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）
工作生活平衡Fast-changing environment
使命价值
70中等
在食品行业龙头企业推动AI技术赋能业务创新，具有明确的业务价值和社会影响。
行业发展稳定成熟行业
社会影响中性/一般
使命信号推动中国企业AI倡议
创新程度积极采用新技术
通用磨坊 的其他在招职位
相似职位推荐
Watch Jobs