AI Engr I
Guangzhou, China2d ago
Free account needed to apply or save. It takes a minute, and we'll bring you right back to this job.
Skills
About the role
关于这个岗位： 我们正在推动 AI 从个人效率工具融入可重复的研发流程，并将有效实践沉淀为团队级工程能力。你将与领域专家合作，把真实需求转化为实用的 AI 方案和可复用资产。 你的使命： 将工程知识和流程转化为 Prompt、Skill、Agent、知识资产与自动化工具；整合零散资源，验证新方法，并通过试点、文档、分享和培训推动采用。
岗位职责
1. 需求共创与流程梳理
与 Function 团队负责人和领域专家明确目标、输入、输出、规则、异常及验收标准，判断适合采用 Prompt、Skill、Agent、知识库、确定性脚本或人工审核的环节。
2. AI 应用原型与工程实现
使用 Python、Git、API 及公司批准的 AI 工具，开发并集成 Prompt、Skill、Agent、自动化脚本和组合工作流，定义上下文边界、工具调用、输入输出、异常处理及审核点。
3. 测试、评估与质量改进
建立代表性测试集，执行回归测试并记录失败，识别问题来自 Prompt、Context、Knowledge、Tool、Mapping、Model 或流程设计，并将验证后的改进沉淀回共享资产。
4. AI 资产整理与治理
盘点项目、代码仓库和知识库中的 Prompt、Skill、Agent、模板与脚本，补充统一的元数据、Owner、Reviewer、版本、示例、范围、状态、反馈及下线说明，提升复用和可发现性。
5. 前沿 AI 探索与 PoC
持续关注生成式 AI、Agent、RAG、MCP 和 LLM Evaluation 等前沿技术与实践，围绕真实研发需求开展小型 PoC，通过测试证据和用户反馈验证价值，并输出可复用的评估结论与指导。
6. 文档、赋能与推广
编写快速入门、示例、FAQ、贡献指南和故障排查说明。将技术调研与 PoC 结果转化为技术分享、Workshop、Office Hour 和团队培训，并通过受控试点、反馈收集和持续迭代推动采用。
你将如何工作
• 研发团队负责人负责岗位方向、需求优先级和跨团队协调。
• Function 团队负责人和领域专家提供流程、规则、样例、风险边界和验收标准。
• 你负责结构化输入，并交付原型、测试、文档、版本管理和试点支持。
• 影响产品质量、安全、合规或客户交付的输出，必须由相关领域专家审核批准。
• 以采用效果、证据、效率、质量和返工减少衡量成功，而不仅是 Agent 或 Skill 数量。
我们看重的工作方式
先来源，后工具 先理解问题和事实来源，再选择解决方法。
事实胜于假设 区分事实、假设和推断，不让 AI 补全未知规则。
证据胜于演示 展示失败、分析原因、验证修改并快速迭代。
复用胜于一次性 将成功尝试沉淀为可治理、可采用的资产。
与专家共创 尊重领域判断，同时提出清晰问题和改进建议。
你将获得
• 直接与研发团队负责人合作，参与 AI 应用优先级讨论。
• 与嵌入式软件、软件、硬件、结构、测试和系统架构等领域专家协作。
• 在真实研发流程中将想法从 PoC 推进到团队级复用。
• 系统提升 AI 应用工程、研发自动化、质量评估、知识治理和技术赋能能力。
任职要求
基本要求
• 本科及以上学历，计算机、软件工程、电子信息、自动化、人工智能或相关专业。
• 应届毕业生或毕业 1 年以内。
• 具备良好的编程基础，能够使用 Python 或其他常用语言完成脚本、数据处理或简单 API 集成。
• 熟悉 Git 基本操作，理解版本、分支、Commit 和代码 Review。
• 实际使用过生成式 AI 完成课程项目、毕业设计、实习、开发、研究或自动化任务。
• 了解生成式 AI 与 Agent 领域的前沿技术和实践趋势，能够通过 PoC、测试证据和真实场景反馈验证方案，并将结论转化为团队分享或培训。
• 能够将模糊问题结构化为目标、输入、输出、步骤、约束、异常和验收条件。
• 具备良好的学习、沟通、技术写作和演示能力，愿意进入陌生工程领域。
• 重视测试、证据、人工审核和持续改进。
• 具有良好的英语读写能力，能够阅读技术资料并进行基本工作沟通。
优先考虑
• 有 GitHub Copilot、Claude Code、Codex 或其他 Agent 类编码工具使用经验。
• 有 Agent、RAG、Tool Calling、Workflow、MCP 或 LLM Evaluation 项目经验。
• 有 Python 自动化、测试框架、CI/CD、GitHub Actions、内部工具或 Developer Experience 经验。
• 接触过嵌入式开发、单片机、电子设计、硬件测试、机器人或软硬件集成。
• 能通过课程项目、毕业设计、竞赛、开源或实习展示代码、测试、文档和迭代过程。
• 做过供他人使用的工具或工作流，并有技术分享、Workshop、助教或培训经验。
招聘流程
通过初步筛选的候选人将参加基于研发场景的实践型 Hackathon 面试，重点考察需求理解、AI 工具应用、原型实现、测试验证、文档表达和现场迭代。候选人可在遵守数据和工具使用要求的前提下使用熟悉的 AI 辅助开发工具。
申请建议
请在简历或作品集中重点展示 1 至 3 个项目，说明所解决的问题、需求澄清方式、AI 与确定性代码的分工、测试方法、失败与迭代，以及成果是否被他人实际使用。若使用过 GitHub Copilot、Claude Code、Codex 或类似工具，请说明具体场景和产出。
合作对象：嵌入式软件、软件、硬件、结构、测试和系统架构团队
核心目标：将分散的 AI 实践转化为团队可复用的工程能力
成长路径：AI Asset Engineer → AI Workflow Engineer → AI Application Co-creation Lead