吉利汽车
智能诊断工程师（AI应用）-吉利
智能诊断工程师（AI应用）-吉利
发布于 1 天前普通员工/个人贡献者
杭州市
高级经验
全职员工
仅现场办公
本科
人工智能
Finebi
Quickbi
故障诊断
数据清洗
智能体开发
汽车售后服务
知识库构建
项目管理
Bi看板开发
AI 估算 · 25k–45k
职位详情
关于这个职位
该职位属于吉利汽车集团售后服务体系中的智能化转型方向，核心工作是围绕售后场景（维修手册、故障案例、备件目录、DTC等）构建AI智能诊断体与知识库
你将负责非结构化数据的清洗与标注、基于Dify等平台搭建售后智能体、开发BI看板实现售后数据可视化，并推动基于数据分析的持续优化与项目全流程管理
岗位强调跨部门协作与项目落地能力，适合具备汽车售后服务数字化项目经验、熟悉Dify、FineBI、魔方、QuickBI等工具，且具备扎实项目管理能力的人才
最低要求
学历与专业：本科及以上学历，计算机相关专业
具备基础车辆构造、工作原理及故障诊断知识优先
行业经验：3年及以上汽车主机厂售后服务或汽车后市场科技公司从业经验，具备智能诊断、智能服务类项目实战背景
业务能力：熟练掌握Dify、FineBI、魔方、QuickBI、Python等工具，能自主高效完成智能体构建、看板开发及数据处理
文档能力：具备规范的文档撰写能力，可高质量输出业务方案、项目计划、复盘报告等专业文档
逻辑思维清晰，文字表达能力强
综合能力：具备跨部门沟通协调能力与问题解决能力，能独立主导复杂业务项目的全流程推进与落地
项目管理：具备扎实的项目管理功底，熟练掌握项目管理方法论，至少主导过1个及以上汽车售后服务数字化项目的成功落地
工作职责
数据清洗与结构化处理：负责售后相关非结构化或结构化数据（如维修手册、技术通报、故障案例、备件目录、DTC等）的快速提取、清洗与标注，构建高质量训练集与知识库语料
知识库构建与优化：负责构建与维护智能体背后的知识体系，包括但不限于维修手册、故障代码、备件信息、售后服务政策等，确保知识的准确性与时效性
智能体构建与工程开发：基于Dify等平台配置与开发售后场景智能体，包括对话流程设计、工具调用（如查询系统、工单创建）及服务API对接
实现多轮对话管理与上下文控制，提升复杂技术咨询场景下的连续交互能力
BI看板开发与售后数据可视化：使用BI工具（如FineBI、魔方、QuickBI等）设计并开发售后智能体性能监控看板，实现核心指标的实时可视化与下钻分析
构建售后业务分析报表，如智能体使用量趋势、常见故障分类统计、问题咨询热点、区域服务需求分布等，为售后决策提供数据支撑
将智能体交互数据与业务系统（如DMS、SCRM）数据关联分析，挖掘服务优化点与潜在改进场景
闭环优化与迭代：基于数据分析与用户反馈建立持续优化机制，迭代Prompt工程、微调策略与知识库内容
协同数据团队与业务部门，将分析结论转化为智能体改进措施或售后服务流程优化建议
项目全流程管理：建立项目全流程管理机制，实时跟踪进度、质量、成本三大核心指标，主动识别项目风险（如业务需求变更、资源不到位、终端落地阻力等），制定可落地的风险应对预案，确保项目按时、按质、按预算交付
跨部门协作：与兄弟单位、供应商、合作伙伴等内外部机构保持良好沟通与协作，积极主动协助运营部门共同推动产品的商业化应用
AI 洞察
优缺点分析
优点
- 背靠吉利集团，平台大、资源多，职业发展空间广阔，且业务处于数字化智能化转型关键期，个人成长与项目成就感强
- 岗位横跨数据、AI智能体、BI可视化与项目管理，技能栈复合，市场稀缺性强，可迁移性强
- 汽车售后智能化是行业明确趋势，提前卡位可积累先发优势
- 岗位对综合能力要求高，需要同时掌握数据处理、智能体开发、BI看板与项目管理，学习曲线陡峭
- 作为集团内部数字化项目，可能面临业务侧需求变更频繁、跨部门协作成本高等问题，对项目推进耐心要求高
- 汽车售后数据质量参差不齐，数据清洗与知识库构建需要大量细致工作，且需持续维护
- 适合具备汽车售后服务或科技公司背景，同时具备数据、AI智能体、BI可视化与项目管理综合能力，且自驱力强、善于跨部门协作的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 纵向发展：可向售后智能化方向的技术专家/架构师发展，主导更大规模的智能服务体系建设
- 横向发展：可向售后服务管理、数据产品经理等方向转型，结合业务与数据能力拓展职业空间
- 在吉利体系内，可借助集团资源向技术管理或产品管理岗位发展
- 负责售后场景中非结构化/结构化数据（维修手册、技术通报、故障案例、备件目录、DTC等）的快速提取、清洗与标注，构建高质量训练集与知识库语料
- 负责构建与维护智能体背后的知识体系，涵盖维修手册、故障码、备件信息、售后服务政策等，确保知识准确性与时效性
- 基于Dify等平台开发与配置售后场景智能体，包括对话流程设计、工具调用（如查询系统、工单创建）与服务API对接，实现多轮对话管理与上下文控制
- 使用BI工具（如FineBI、魔方、QuickBI）设计并开发售后智能体性能监控看板，实现核心指标实时可视化与下钻分析，并构建售后分析报表，为售后决策提供数据支撑
- 具备扎实的数据处理能力，能够高效完成数据清洗、标注与知识库构建
- 熟练掌握Dify、FineBI、魔方、QuickBI、Python等工具，能够独立完成智能体构建、看板开发与数据处理
- 具备规范的文档撰写能力，能够高质量输出业务方案、项目计划、复盘报告等专业文档，逻辑思维清晰，文字表达能力强
- 具备跨部门沟通协调与问题解决能力，能够独立主导复杂业务项目的全流程推进与落地
申请策略
- 关注吉利汽车售后数字化/智能化战略方向，了解该岗位在集团内的定位与协同方，面试时能说出对售后智能体落地场景的理解会加分
- 可准备一个你主导的智能体/看板项目案例，用STAR法则讲清楚背景、你的角色、行动与量化结果
- 重点突出汽车售后服务数字化/智能化项目经验，尤其是智能诊断、智能服务类项目，说明项目规模、个人角色与落地成果
- 突出Dify、FineBI、魔方、QuickBI、Python等工具的实际应用案例，最好附上数据清洗、智能体构建、看板开发的具体成果
- 突出跨部门协作与项目全流程管理能力，用STAR法则描述主导推进复杂业务项目落地的过程
- 若对Dify、FineBI等平台不熟，建议先通过官方文档或课程快速上手，并准备一个最小可用的智能体Demo
- 补充汽车售后业务知识（维修流程、备件体系、DTC等），可阅读主机厂售后技术通报或行业报告快速积累
- 若缺乏项目管理方法论，可提前了解PMP/ACP或吉利内部项目管理流程
面试指南
- 用STAR法则（情境-任务-行动-结果）组织项目案例，重点讲清你的个人角色、技术选型原因与量化结果
- 先定义智能体在售后场景中的边界（如可自主完成与需人工介入），再讲对话流设计、工具调用与API对接，可结合多轮对话管理上下文
- 从数据源、清洗规则、知识库结构、准确率评估机制（如抽样人工复核）与更新流程四方面回答，突出你对非结构化数据的处理思路
- 讲清看板解决的业务问题、指标选型、下钻逻辑，以及你如何推动分析结论落地到业务改进
- 体现你的项目管理方法论（如敏捷/瀑布），并给出你识别风险、推动决策的具体案例
- 请介绍一个你主导的汽车售后服务数字化/智能化项目，你的角色、技术选型与最终落地效果如何？
- 你如何理解售后场景下的智能体（Agent）？请结合Dify等平台说明你的构建思路
- 面对非结构化程度高的售后数据，你如何设计清洗与知识库构建流程以保证知识准确性？
Watch Jobs