长江存储AI开发工程师(J13711)

任职要求

1. 教育背景
- 计算机科学、人工智能、数据科学或相关领域的本科及以上学历。
2. 专业技能
- AI理论基础：深厚的AI理论基础，熟悉机器学习、深度学习、自然语言处理等领域的最新技术和研究进展。
- 大模型应用：熟悉大模型（如Transformer架构）的原理和特点，有实际应用和优化大模型的经验。
- RAG系统开发：有构建和优化RAG系统的经验，熟悉检索和生成模型的设计与实现。
- DevOps流程：熟悉自动化DevOps流程，有CI/CD工具（如Jenkins、GitLab CI/CD）的使用经验。
- 编程能力：熟练使用Python、Java、C++等编程语言，有良好的代码编写习惯。
- 数据处理：熟练使用数据处理和分析工具（如Pandas、NumPy、SQL），有处理大规模数据的经验。
3. 项目经验
- AI项目落地：有多个成功的AI项目落地经验，能够在实际业务场景中应用AI技术解决复杂问题。
- 团队协作：有良好的团队协作和沟通能力，能够在跨职能团队中有效工作。
4. 软技能
- 问题解决能力：具备强大的问题解决能力，能够在复杂的技术环境中找到最优解决方案。
- 学习能力：快速学习新技术和新工具，保持对行业动态的敏感性。
- 责任心：对工作有高度的责任感，能够在高压环境下保持高效和高质量的工作。
优先条件
- 实践经验：对AI落地场景有深入思考和实践经验，有成功将AI技术应用于实际业务场景的案例。
- 创新思维：具备创新思维，能够在现有技术基础上提出新的解决方案和优化方法。
- 行业背景：有相关行业（如半导体、存储、智能制造等）的背景和经验，了解行业特点和业务需求。

工作职责

1. AI技术融合与优化：将人工智能技术，特别是大语言模型(e.g. DeepSeek , OpenAI, Qwen)，融入公司业务团队的开发测试流程，提升产品研发效率和质量。
- 自动化工具开发：开发AI辅助工具，如代码审查工具、自动测试用例生成工具、性能瓶颈分析工具等，提高研发测试的自动化程度。
- 数据处理与分析：利用大模型和AI工具处理大量研发测试数据，包括代码、测试用例、测试执行日志等，优化数据处理流程。
2. AI知识库系统构建
- 知识库设计：设计和构建高效、准确的AI知识库系统，支持业务部门的专业知识生成和服务。
- RAG系统开发：构建和优化RAG（Retrieval-Augmented Generation）系统，实现从知识库中快速准确地检索相关信息，并生成高质量的业务文档和回答。
3. AI辅助工具平台开发
- 工具平台设计：设计和开发AI辅助工具平台，提供统一的接口和工具集，支持多种AI应用。
- 用户支持：为业务部门提供技术支持，确保AI工具平台的稳定运行和高效使用。
4. 技术解决方案制定
- 技术选型：根据项目需求，选择合适的大模型和技术框架，确保技术选型的合理性。
- 架构设计：设计系统的整体架构，确保系统的可扩展性、可维护性和高性能。
- 数据处理策略：制定数据处理策略，确保数据的准确性和一致性，优化数据流和存储方案。
5. 项目管理和团队协作
- 需求分析：与业务部门紧密合作，理解业务需求，提供技术解决方案。
- 项目管理：跟踪项目进度，确保按时交付高质量的AI系统。
- 团队协作：与团队成员协作，分享知识和经验，推动团队整体技术水平的提升。