AI算法工程师（工业智能方向｜大模型应用）

【岗位职责】 1. 工业时序数据建模与特征工程 负责基于PI System、OPC DA/AE及关系型数据库等多源数据，构建流程石油化工行业场景下的时序异常检测、报警聚类与故障预测模型。针对生产现场普遍存在的数据噪声、工况漂移及小样本问题，开展深度特征工程，提升模型对复杂工况的适应能力与鲁棒性。 2. 大模型行业适配与智能体开发 负责开源大模型的选型、Prompt工程及参数高效微调（PEFT/LoRA），完成工业领域大模型的私有化适配，重点解决通用模型在专业术语理解上的偏差及幻觉问题。构建基于RAG（检索增强生成）的化工专业知识库，整合设备维修规程、工艺操作规程等非结构化数据。研发自动化分析智能体（Agent），通过工具调用（Function Calling）实现从实时数据查询到故障根因推理的自动化闭环，输出结构化诊断结论。 3. 算法工程化封装与系统集成 负责算法模型的标准化封装（RESTful API），协同前后端及网络工程团队，完成模型与生产管控系统的接口对接与联调。建立模型版本管理、效果监控及持续迭代机制，确保算法服务在生产环境下的高可用性与低延迟响应。 4. 技术预研与文档输出 跟踪工业AI及大模型领域的前沿技术，结合业务场景进行可行性预研。输出算法设计方案、实验报告及技术文档，沉淀算法资产。 【任职要求】 1. 基本条件 计算机、人工智能、自动化、应用数学等相关专业本科及以上学历，3年及以上AI算法开发经验。 硬性门槛： 必须拥有至少1个已上线实施的工业级AI项目完整经验（如石油化工、能源电力、智能制造等领域）。能够清晰阐述项目的数据处理逻辑、算法选型依据、评估指标及实际业务收益。纯科研、竞赛或Demo原型经历不符合要求。 2. 技术能力 熟练掌握Python，精通PyTorch或TensorFlow，具备扎实的机器学习与深度学习基础。 深入理解时序数据分析算法（如LSTM/TCN/Transformer等），具备丰富的特征构建与模型调优经验。 熟练掌握大模型微调（SFT/LoRA）、RAG全链路开发流程，熟悉LangChain/LangGraph等开发框架。 具备强烈的工程落地意识，熟练使用FastAPI等框架进行模型封装，能够与工程团队高效协作。 3. 优先条件 具有流程工业（化工、石化、能源）或相关制造业项目经验者优先。 熟悉工业数据特性，了解OPC、PI System、DCS报警机制者优先。 具备MLOps实践经历，熟悉模型推理优化（TensorRT/ONNX）者优先。