德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 1 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
Prompt Engineering
Pytorch
Rag
Tensorflow
大模型(Llm)
推理优化
数据分析
模型微调
项目管理
值不值得投
74综合评分
综合评分 74
聚焦大模型前沿技术落地，外企规范平台提供良好成长路径，兼顾业务价值与技术挑战。
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
2.8万
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
约 150 个在招 · 其中人工智能 4 个
市场机会
选择不多
沈阳 · 人工智能 · 4 个在招
职位详情
关于这个职位
负责机器学习、深度学习及NLP领域的算法设计与开发，构建面向业务场景的定制化AI解决方案
主导大模型（LLM）在对话系统、知识图谱等场景的落地，涵盖Prompt工程、模型微调、推理优化及全生命周期管理，并负责相关技术文档编写与团队培训协作
最低要求
本科及以上学历，计算机科学、数学、工业工程、人工智能应用、数学等相关专业
扎实的数学基础，熟悉线性代数，概率统计，最优化理论
精通Python编程语言，熟悉Pandas，Scikit-learn等数据处理工具
熟练掌握TensorFlow，PyTorch，MindSpore等至少一种深度学习框架
具备至少3年AI算法研发或者大模型应用开发相关经验
独立主导或完整参与过至少2个AI项目的算法设计，开发，与落地
英语可作为工作语言
工作职责
计划和实现现有产品和新产品的生产工艺
负责机器学习，深度学习，自然语言处理(NLP)等领域的算法设计与开发，构建面向业务场景的定制化AI解决方案
负责独立完成数据挖掘，特征工程，模型训练与调优工作，提升模型在准确率，泛化能力，实时性等方面的表现
探索大规模语言模型（LLM）在对话系统，知识图谱，内容生成，智能推荐等应用场景，推动大模型技术在企业级场景的落地
设计实现Prompt Engineering方案，结合LangChain，Llamalndex等工具构建基于LLM的企业级AI应用系统
熟悉数据处理技术（数据清洗、特征提取）及工具（如Pandas、Scikit-learn），利用机器学习算法完成数据的聚类分布等，支撑结构LLM微调数据集工作
优化LLM推理流程，利用vLLM, Ollama, TGI等推理框架提升服务性能，降低延迟，提高吞吐量
掌握量化，蒸馏等模型轻量化技术
参与大模型继续预训练、微调、RAG（检索增强生成）、Agent（智能体）领域适配等工作，提升模型在垂直领域的表现
完成AI模型从训练
调参、测试到部署的全生命管理周期管理，确保模型在生产环境中的稳定性与高性能
在其专业领域内担任内部及外部联络人参与内部工作组协作
编制内部相关文件并按需进行内部汇报
识别公司内部本领域持续教育需求
规划并实施复杂主题的内部及外部培训（含国内与国际培训）
协助制定并优化本专业领域的内部标准与流程
观察/识别专业领域趋势以制定方案
提出行动建议（如规划方法，等）
在其专业领域内主要开展概念性工作
管理、控制和协调子项目，依据检查清单和绩效指标监控项目执行与目标达成情况
进行复杂分析以优化流程并制定改进措施
AI 洞察
优缺点分析
优点
- 依托跨国车企供应链背景，业务场景丰富且数据质量高
- 技术栈紧跟前沿（LLM/RAG/Agent），能积累高价值的大模型落地经验
- 外企工作氛围规范，培训体系完善
- 大模型技术迭代极快，需保持高强度持续学习
- 沈阳本地高端AI人才竞争相对一线城市较小，但跳槽选择面有限
- 适合具备扎实算法功底、对大模型技术有热情，且希望在传统制造/汽车行业数字化转型中发挥技术价值的求职者
缺点 / 挑战
- 算法研发与业务落地之间存在转化压力，需频繁跨部门沟通对齐需求
角色解读
- 可向高级AI算法专家或大模型架构师方向发展，深耕垂直行业AI解决方案
- 也可转向技术管理岗，带领团队负责企业级AI平台建设与战略规划
- 负责AI算法与大模型技术的研发落地，包括模型训练、微调、推理优化及Prompt工程方案设计
- 深入业务场景挖掘需求，完成从数据处理、模型开发到生产部署的全生命周期管理
- 同时承担技术文档编写、内部培训及跨部门协作沟通职责
- 精通Python及主流深度学习框架（PyTorch/TensorFlow），扎实掌握线性代数与概率统计等数学基础
- 熟悉大模型生态（LangChain/LlamaIndex/vLLM），具备RAG、Agent开发及模型量化蒸馏等实战经验
- 具备优秀的项目管理与英文沟通能力
申请策略
- 提前了解德科斯米尔在汽车线束与内饰领域的业务布局，准备1-2个AI赋能制造业的具体案例思路
- 面试前重点复习数学基础与大模型底层原理
- 突出大模型项目全链路经验（预训练/微调/RAG/部署），量化模型性能提升指标
- 强调Python编程能力及主流框架熟练度，附上GitHub或技术博客链接
- 补充LangChain/LlamaIndex等Agent开发框架实战，熟悉vLLM/TGI等推理加速工具
- 加强Linux服务器部署与容器化（Docker/K8s）运维技能
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化回答项目经历
- 技术题先讲核心原理，再结合具体工具链说明优化手段，最后用数据验证效果
- 架构设计题需覆盖数据流、模型选型、评估指标及容灾方案
- 请详细介绍一个你主导的大模型落地项目，遇到的最大挑战及解决方案？
- 如何优化LLM推理延迟并保证吞吐量？
- 针对特定业务场景，你会如何设计RAG架构并解决幻觉问题？
- 梳理过往AI项目代码与架构图，准备性能压测数据
- 复习Transformer架构、Attention机制及常见微调策略（LoRA/P-Tuning）
职位点评
薪资福利72
成长发展88
工作生活62
使命价值70
薪资福利
72中等
薪资水平符合沈阳地区中级算法工程师市场水准，外企提供规范的五险一金与带薪年假，整体薪酬福利竞争力中等偏上。
薪资信号市场水准 (2.0千–3.5万/月)
成长发展
88较高
岗位深度聚焦大模型前沿技术（LLM/RAG/Agent），技术栈先进且直接对接企业级业务场景，内部培训与跨区交流机会丰富，成长空间显著。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、LLM、LangChain、LlamaIndex、vLLM、Ollama、TGI、RAG、Agent
成长机会规划并实施复杂主题的内部及外部培训、识别公司内部本领域持续教育需求
业务类型profit_center
工作生活
62中等
外企通常注重工作生活平衡，但算法研发与大模型落地项目节奏较快，需应对技术迭代与交付压力，通勤便利性取决于具体厂区位置。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
70中等
岗位致力于将AI技术赋能汽车制造与内饰创新，推动产业智能化升级，具备一定的技术应用价值与行业前景。
行业发展稳定成熟行业
社会影响中性/一般
使命信号提升驾驶体验的产品、汽车创新
创新程度积极采用新技术
Watch Jobs