联发科
Full Stack AI Audit Application Engineer
Full Stack AI Audit Application Engineer
发布于 3 天前普通员工/个人贡献者
AI 估算 · 25k–45k · AI 参考估算
Taipei, Taiwan
中级经验
学历未注明
全职员工仅现场办公软件工程
软件工程
Ai应用开发
Aws/Gcp/Azure
Docker/K8S
JavaScript
Llm
Mcp
Rag
React/Vue
值不值得投
75综合评分
综合评分 75
在半导体巨头中探索AI与审计的交叉领域，技术成长性极强，但WLB信息不明。
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
35K
比软件工程中位数低
发布情况
新岗位 · 2 天前发布
公司情况
这家公司招聘很活跃
83 个在招 · 其中软件工程 4 个
市场机会
选择面较广
软件工程 · 约 5630 个在招
职位详情
关于这个职位
此职位负责为审计部门开发和部署大语言模型（LLM）应用系统
你需要结合前后端技术，集成主流AI服务，并设计符合审计业务需求的合规解决方案，以支持销售、生产运营等业务环节的风险分析与数据处理
最低要求
具备前后端开发经验，熟悉Python、JavaScript、React/Vue等技术
具备AI/ML应用开发经验，熟悉数据库（MSSQL, SPLUNK, GCP等）流程及LLM API连接与应用
具备云平台（AWS/GCP/Azure）及容器化（Docker/K8s）实践经验
具备良好的沟通能力和跨部门协作能力
工作职责
针对销售、生产运营、其他运营周期及法律合规流程相关的审计项目进行风险/数据分析
负责大语言模型（LLM）应用系统的前端和后端设计与开发，包括用户界面、API连接及数据流设计
与审计部门合作，理解业务需求并设计合规的AI解决方案
集成主流LLM（如OpenAI, Llama等）API，并实施提示词设计、MCP、RAG等技术
负责系统部署、架构设计、性能优化及信息安全防护
优先资格
具有晶圆设计或半导体相关行业销售/生产或内审经验
大规模数据处理经验：实现过分布式架构（Spark/Dask）或深度数据库优化
具备MCP、RAG及向量数据库（如Pinecone, Weaviate, Milvus）经验
处理过数十亿级数据集并优化高性能数据管道
AI 洞察
优缺点分析
优点
- 技术栈非常前沿，能直接应用LLM、MCP、RAG等最新AI技术解决实际业务问题
- 身处半导体行业巨头，接触的数据量级和业务复杂度高，能积累宝贵的大规模系统实战经验
- 岗位定位独特，结合了前沿技术与关键业务（审计），能建立稀缺的复合型能力
- 需要在技术创新与合规安全之间找到平衡点，对系统设计的严谨性要求高
- 跨部门协作频繁，需要向审计等非技术部门清晰地阐述复杂的技术方案
- 适合对AI技术有热情，同时具备一定工程化落地能力，并乐于将技术应用于具体业务场景的开发者
- 希望拓展业务理解、不满足于纯技术实现的工程师尤为适合
缺点 / 挑战
- 作为审计支持的IT角色，需要持续理解并跟进审计业务的变化，业务理解是持续挑战
角色解读
- 技术路线：可深入LLM与RAG等AI技术，成为AI解决方案架构师或技术专家
- 业务路线：可深耕审计与合规领域的数字化，成为业务驱动的技术负责人
- 管理路线：随着项目经验积累，可带领小团队负责更复杂的AI审计项目
- 作为全栈工程师，为审计部门设计和开发基于LLM的AI应用系统，从用户界面到API集成再到数据流
- 深入理解审计业务逻辑，将风险分析、数据处理等需求转化为合规、高效的AI解决方案
- 负责所开发AI系统的全生命周期，包括部署、性能调优和安全防护
- 扎实的前后端开发能力，精通Python和JavaScript，熟悉React/Vue框架
- AI/ML应用开发实战经验，特别是LLM API集成与应用
- 云原生技术栈，熟练使用AWS/GCP/Azure及Docker/Kubernetes进行部署和管理
- 优秀的跨部门沟通能力，能将业务需求与技术实现有效结合
申请策略
- 深入研究联发科的业务，特别是其产品线、市场以及半导体行业的运营特点，思考AI审计可能的应用场景
- 在面试中准备1-2个你如何通过技术解决复杂业务问题的具体案例，展现你的业务理解力和工程能力
- 重点突出基于LLM/AI的应用项目经历，说明你在其中的具体技术贡献和业务成果
- 详细描述使用Python/JS进行前后端开发，并集成云服务（AWS/GCP等）与容器（Docker/K8s）的经验
- 如有任何与数据处理、风控、合规或审计相关的项目经验，务必清晰阐述
- 强调跨部门协作或面向业务方进行技术沟通的案例
- 可以系统学习和实践RAG（检索增强生成）和提示工程（Prompt Engineering），这是LLM应用的关键
- 若半导体行业经验不足，可提前了解晶圆设计、半导体生产流程的基本概念和内审关注点
面试指南
- 采用STAR法则（情境、任务、行动、结果）来结构化地讲述项目经验
- 从数据安全、模型伦理、流程合规、权限控制等多个维度回答安全与合规问题
- 展现结构化思维：先澄清业务目标，再拆解核心功能，然后评估技术可行性并提出分步方案
- 用比喻和实例来解释复杂技术（如RAG）的价值，并联系到具体应用场景（如精准检索历史审计记录）
- 请描述一个你将AI技术（特别是LLM）应用于具体业务场景的完整项目，从需求分析到上线部署
- 如何确保一个LLM应用系统在处理敏感审计数据时的安全性与合规性？
- 如果审计部门提出一个模糊的业务需求，你将如何与他们沟通，并将其转化为可执行的技术方案？
- 请解释RAG技术是什么，并说明在一个审计数据查询系统中，它可能解决什么问题？
职位点评
薪资福利80
成长发展95
工作生活45
使命价值65
薪资福利
80较高
作为跨国巨头公司的技术岗位，薪资福利体系预计具有市场竞争力，能提供稳定的收入预期和保障。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
95较高
职位要求并应用LLM、MCP、RAG等前沿AI技术，涉及全栈开发与云原生架构，能提供极高的技能成长价值。
技术前沿前沿/新兴技术
技术栈Python、JavaScript、React/Vue、LLM、MCP、RAG、Docker、K8s、AWS/GCP/Azure、Pinecone
业务类型ambiguous
工作生活
45较低
JD未提及远程或弹性办公安排，作为需要跨部门协作的岗位，现场办公的可能性高。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
65中等
在半导体行业应用AI技术提升审计效率与合规水平，具有一定的专业价值和社会意义，但非直接面向终端用户或解决广泛社会问题。
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
联发科 的其他在招职位
相似职位推荐
Watch Jobs