AI开发工程师

岗位定位 深入客户业务场景，发现真实业务瓶颈，用大模型、Agent、Workflow、RPA工具重构工作流程，实现更优配置更高产出，并把个人实验沉淀为可复用的组织能力。 1，解决客户业务瓶颈：配合客户业务团队，用工程视角拆解现有流程。识别高频、高耗时、高重复的环节，量化"当前投入的人力/工时/单位成本"作为提效基线。 2，端到端搭方案：独立完成从问题定义到落地交付的全过程—用大模型/Agent/Workflow/RPA等工具重新设计流程，快速产出可运行的原型并在真实业务中跑通，而非停留在PPT或Demo。 3，打通工具链：基于大模型与开放能力，搭建Prompt工程、Agent编排、工作流自动化、RPA自动化、必要的数据/接口对接，让方案能嵌入真实作业系统稳定运行。 4，用数据证明提效：为每个场景建立可衡量的效能指标（人效、单位产出成本、周期、质量合格率等），做提效前后的对照，对降本/增效负最终结果责任。 5，沉淀为组织能力：把跑通的方案抽象成可复用的模板、组件、SOP和最佳实践，输出到内部资产库并带教业务同学复用，让提效从“个人英雄“变成“图队标配”。 6，横向复制：将单点场景的成功模式跨团队、跨场景推广，牵头形成AI效能的方法论和评估标准。

1，有交付型工程师底色：有Forward Deployed Engineer、解决方案工程、业务中台或贴身业务做落地的经历； 2，真会动手：熟悉Java / Python / NodeJs 等语言，具备真实工程能力（不是仅靠AI辅助拼代码）：熟悉主流大模型API（基于阿里百炼）、Agent 框架（如LangChain/LangGraph）、Workflow/RPA与自动化工具。 3，懂AI的边界：理解LLM，懂得RAG/RPA/Harness的能力与局限，知道什么场景该用大模型、什么场景该用硬性决策、什么场景该用RPA，能设计人机协同（human-in-the-loop）的作业流程 4，产品化与沉淀意识：能把一次性实验做成可复用资产，有文档、组件化、带教复制的自觉。 加分项： 有销售、人力资源等场景中任意一项的AI落地经验；有跨职能小团队的owner经历。