AI应用工程师（电芯数据与AI平台方向）

岗位概述 作为动力总成团队引入的首位AI应用工程师，你将负责建设面向电芯开发领域的AI数据平台与知识沉淀系统，把分散在个人电脑、共享盘、邮件及资深工程师经验中的电芯研发知识（化学体系与电芯设计、生产工艺与质量、验证与仿真、失效分析、SOP与标准规范）转化为结构化、可检索、可复用的组织资产。你将主导从数据管道构建、模型开发到系统集成的完整技术链路，用AI能力解决电芯A/B样件试错成本高、人员流动导致知识断层、经验依赖口头询问等行业痛点，支撑大众车型动力电池研发的量产交付。 工作职责 1. 方案设计与需求转化 • 与产品经理、电芯研发及跨职能团队深度协作，将业务痛点与研发需求转化为稳健、可落地的AI技术方案 • 面向电芯全生命周期（设计—工艺—验证—失效—量产），设计知识图谱、检索增强（RAG）与向量检索体系的技术架构 • 输出技术方案书、架构设计与接口规范文档，参与方案评审与技术选型 2. AI应用工程与数据管道 • 构建并维护高效、可扩展的数据管道（ETL/ELT），负责多源异构数据（结构化研发数据、非结构化文档、测试报告、图像）的采集、清洗、治理与加工，确保高质量模型输入 • 搭建向量数据库与知识库，对历史失效案例、工艺窗口、材料选型经验进行语义化沉淀与检索优化，提升知识命中率与信息一致性 • 负责检索增强生成（RAG）链路设计、大模型（LLM）适配/微调及 Prompt 工程，实现关键结论（如特定型号循环寿命、工艺公差、异常处理方案）的智能问答与语义检索 3. 系统集成与部署 • 设计并实现安全的 RESTful API，将AI模型/知识服务集成到现有生产系统（PLM/仿真/质量管理等）中 • 负责AI服务的高可用性、低延迟与可扩展性设计，落地容器化部署与监控告警 • 推进 MLOps 实践，建设模型版本管理、评测体系与持续迭代机制，保障模型在生产环境的可靠性与稳定性 任职要求 • 计算机科学、人工智能、软件工程、数据科学、自动化等相关专业，本科及以上学历 • 3年以上AI/算法/数据平台开发经验，有从0到1构建数据管道或知识库/知识图谱的完整项目经历 • 精通 Python 开发，熟悉 SQL，具备扎实的代码工程能力（类型、测试、CI/CD） • 熟悉机器学习/深度学习全流程（数据清洗、特征工程、模型训练与评测），掌握 PyTorch/TensorFlow 等框架 • 熟悉 RAG 检索增强生成、向量数据库（如 Milvus/FAISS/Chroma）及主流 LLM 应用框架（如 LangChain/LlamaIndex） • 具备 RESTful API 设计与后端服务开发经验，熟悉高可用、低延迟服务架构及容器化（Docker/K8s）部署 • 具备优秀的问题分析与逻辑思维，能在复杂、非结构化数据环境中保持清晰判断 • 英语CET-4及以上，能阅读英文技术文档与学术资料