莫仕
Engineering Digital Operations Engineer
Engineering Digital Operations Engineer
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
CI/CD
Llamaindex
Llm
Rag
Rest Api
值不值得投
74综合评分
综合评分 74
AI自动化工程岗，技术栈前沿且贴近核心业务，侧重个人技术成长与效能提升，WLB情况未明确。
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
1.8万
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 140 个在招
市场机会
选择适中
台北 · 人工智能 · 12 个在招
职位详情
关于这个职位
该职位负责设计和开发基于AI和Python的自动化解决方案，以优化新产品导入（NPI）产品设计和工程运营流程
你需要构建API、集成企业系统，并利用大语言模型（LLM）实现文档处理、数据准备和工作流自动化，提升工程交付效率
最低要求
必须具备扎实的Python动手能力，用于后端服务、自动化、数据处理和可维护的模块化应用开发，包括测试、异常处理、日志记录、依赖管理和代码文档
必须具备AI/LLM框架的实际经验，使用模型API和框架（如LangChain、LlamaIndex、Semantic Kernel或同等工具）构建LLM驱动的应用
能够实现结构化输出、工具调用、检索增强生成（RAG）、提示词和智能体工作流、评估、接地和防护
必须具备API架构能力，能够使用FastAPI或同等框架设计、开发、消费和排查REST API，了解JSON、身份验证和授权、验证、错误处理、重试、速率限制、版本控制和API文档
计算机科学、软件工程、信息工程、信息管理、机械工程、工业工程或相关专业的本科及以上学历，或具有同等的实际经验
具有两年或以上软件自动化、AI应用开发、企业集成、工程数字化、NPI、制造工程或相关技术岗位的相关经验
具备开放式问题解决能力：能够将不明确的操作需求转化为需求、假设、解决方案选项、测试用例和可衡量的验收标准
具备质量和所有权意识：交付可用的解决方案，包括安全编码、测试、监控、文档、可维护性，并从开发到运营闭环负责
能够用书面和口头英语沟通技术权衡，并与工程用户、流程所有者、IT、安全和全球团队有效合作
工作职责
构建支持AI的工程自动化：开发可维护的Python应用程序、脚本和服务，自动化文档处理、数据准备、分类、总结、验证、报告、通知和工程工作流活动
设计API和系统集成：设计、构建、消费、测试和记录REST API及集成服务
实现身份验证、授权、验证、异常处理、重试、日志记录、版本控制，并在工程和企业系统之间安全交换基于JSON的数据
管理数据和生产部署：设计适用的数据结构和数据库交互
在批准的云平台上部署解决方案
使用源代码控制、代码审查、配置管理、测试、监控和发布实践，使自动化可靠、可追溯和可维护
集成Microsoft 365和低代码平台：在适当的情况下，将Python和AI服务与Power Automate、Microsoft Graph、Copilot Studio、SharePoint、Microsoft Teams和Power Apps连接，以提供可用的端到端工作流，而不强迫低代码工具执行更适合软件服务的任务
验证、运营和改进解决方案：将模糊的运营问题转化为可测试的需求，比较解决方案选项，运行试点和影子测试，衡量准确性和运营影响，排除故障，记录支持程序，并根据证据和用户反馈改进解决方案
优先资格
良好 - Git/GitHub：有分支、拉取请求、代码审查、问题跟踪、发布标记和CI/CD或自动化测试工作流的经验
良好 - 云平台：在Microsoft Azure或其他主要云平台上部署、配置、监控和排查应用程序或服务的手动经验，包括身份、机密、访问控制和环境隔离
良好 - 数据库：了解SQL和关系型数据库设计
有文档、向量或其他NoSQL数据库经验者优先
加分项 - Microsoft Power Platform和Graph：有Power Automate、Microsoft Graph和Copilot Studio的经验，包括连接器、自定义连接器或操作、权限、Microsoft 365数据访问、智能体工具、工作流集成和企业治理
锦上添花 - Azure Functions和Power Apps：有通过Azure Functions暴露事件驱动或HTTP触发服务，并使用Power Apps创建实用用户界面的经验
有SharePoint、Teams、Jira、Confluence、Teamcenter、工程文档管理、Drawing/BOM/ECO/ECN/FACA/8D工作流或NPI发布流程的经验
有端到端项目的证据，该项目从业务问题和原型推进到测试部署、用户采用、监控和可衡量的改进
AI 洞察
优缺点分析
优点
- 处于AI赋能传统工程制造的交叉领域，业务场景丰富且落地价值高
- 接触微软全家桶及前沿LLM技术，技术栈现代且实用
- 全球化团队协作，有机会与多地团队配合，拓宽国际化视野
- 涉及多个系统和低代码平台的集成，架构设计和排错复杂度较大
- 适合具备扎实Python和API开发基础，对AI/LLM落地应用有热情，且愿意深入了解工程制造业务的复合型技术人才
缺点 / 挑战
- 需要将模糊的业务需求转化为技术方案，对业务理解和沟通能力要求较高
角色解读
- 可向高级AI自动化工程师、工程数字化架构师或工程运营系统负责人方向发展
- 在制造企业中，掌握AI与工程业务结合的复合型人才具有极高的内部晋升潜力
- 负责开发基于Python和AI/LLM的自动化应用，优化新产品导入（NPI）和工程运营流程
- 设计并实现REST API，将AI服务与Microsoft 365及企业系统集成
- 负责从原型设计到生产部署、监控和持续改进的端到端交付
- 扎实的Python后端开发能力，熟练掌握FastAPI等框架
- 具备LLM应用开发经验（如LangChain、RAG、Agent工作流）
- 熟悉REST API设计、云平台（Azure）部署及Microsoft Power Platform集成
申请策略
- 了解莫仕在连接器行业的背景及NPI（新产品导入）流程，面试时能结合制造业痛点谈AI自动化落地
- 突出Python后端开发与REST API设计的实际项目经验
- 重点展示LLM应用（如RAG、Agent）落地案例，强调从原型到生产部署的端到端能力
- 提及与Microsoft生态或企业系统集成的经验
- 深入学习LangChain/LlamaIndex等框架的高级用法及RAG优化技巧
- 熟悉Microsoft Power Platform和Graph API的集成开发
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目
- 对于架构设计问题，先阐述设计原则（如安全性、可扩展性），再详细说明技术选型和实现细节，最后说明监控和运维方案
- 请分享一个你使用Python和LLM构建自动化工作流的完整项目，遇到了哪些挑战？
- 在设计REST API时，你如何处理身份验证、错误重试和版本控制？
- 如何将模糊的工程运营需求转化为可测试的技术方案？
- 在集成Microsoft 365或低代码平台时，如何界定软件服务与低代码工具的边界？
- 复习FastAPI、LangChain的核心概念及最佳实践
- 了解莫仕的NPI流程及制造业常见的工程文档（如BOM、ECO）管理痛点
职位点评
薪资福利75
成长发展85
工作生活60
使命价值70
薪资福利
75中等
提供具有市场竞争力的薪资，且JD提及根据市场数据和个人能力定薪，整体薪酬体系完善。
薪资信号市场水准 (1.3千–2.2万/月)
成长发展
85较高
岗位涉及前沿的AI/LLM应用及微软云生态，技术栈现代，且能深入工程数字化核心业务，个人技术广度与业务深度均有较大提升空间。
技术前沿前沿/新兴技术
技术栈Python、LLM、LangChain、LlamaIndex、FastAPI、RAG、Azure、Power Automate
成长机会unleash their potential
业务类型cost_center
工作生活
60中等
JD未明确提及工作模式和加班情况，但作为工程支持岗位，通常需要配合全球团队的工作时间，可能存在一定的跨时区沟通需求。
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）
使命价值
70中等
公司致力于通过技术改善生活，岗位本身通过AI自动化减少重复劳动、提升工程效率，具有一定的内部赋能价值，但社会直接影响力相对有限。
行业发展稳定成熟行业
社会影响中性/一般
使命信号creates connections for life by enabling technologies that transform the future and improve lives、make life better
创新程度积极采用新技术
Watch Jobs