安克创新AI应用工程师

AI应用方案设计：围绕充电宝业务场景（用户运营、资产调度、客户管理、出海等），设计AI应用解决方案，将大模型能力转化为可落地的业务价值; AI工程落地：负责AI能力的工程化封装与交付，推动AI从技术验证到业务闭环，持续交付可量化的业务结果; Prompt工程与Agent编排：设计高质量的Prompt策略和Agent工作流，实现复杂业务逻辑的AI自动化处理，持续优化效果和成本; AI效果评估与迭代：建立AI应用的效果评估体系（准确率、成本、用户体验等），基于数据反馈持续优化模型选型、Prompt策略和系统架构; 行业洞察与技术选型：持续跟踪AI应用层的行业最佳实践和前沿方案，评估新模型、新工具、新框架对业务的适用性，输出技术选型建议.

1. 参与智能应用的全栈研发，构建稳定易用的 AI 驱动功能模块； 2. 探索并整合主流 AI 技术（如大模型、图像识别、智能接口等）到具体场景； 3. 为其他产品或运营团队提供 AI 赋能：开发内部AI工具、技术接口或解决方案； 4. 持续优化系统性能与产品体验，用工程化思维提升智能应用的可用性； 5. 跟踪新技术趋势，探索能提升团队效率的AI方案。

1、设计并开发基于 LLM/多模态模型的应用、服务与工作流（含 Agent 化编排）。 2、通过上下文工程、MCP调用、SKILLS设计、RAG等手段提升输出质量、稳定性与可控性。 3、集成并封装主流模型服务商 API，优化吞吐、延迟、成本与可扩展性，保障线上 SLA。 4、建立评测体系与回归机制（离线评测/在线 A/B），并搭建可观测性与监控告警（质量、延迟、成本、失败率等）。 5、与产品、业务、设计、后端/前端团队协作，推动 AI 功能在现有产品中的端到端落地。 6、编写技术文档、工程规范与最佳实践，推动团队工程化与知识沉淀。 7、持续跟踪生成式 AI 领域进展（模型、Agent、RAG、评测、安全等），并将成熟方案快速应用到生产环境。

1、Data Agent 开发与迭代： 负责数据智能问答 Agent 的核心能力开发，包括多轮对话、归因分析、SQL 生成、Python 分析节点等。 2、RAG 与知识库建设： 基于 RAG 技术构建业务知识库，支持语义搜索、知识图谱自动提取、业务术语管理等能力，提升 AI 生成查询的准确度。 3、MCP 与 AI 数据底座： 参与数据访问 MCP Server 等统一 AI 数据底座的开发，支持数据源动态管理、权限隔离、元数据同步等核心能力。 4、AI + 数据可视化： 开发看板智能总结、图表归因分析、报表自动生成等 AI 驱动的数据可视化功能，降低用户数据分析门槛。 5、业务场景落地： 将 AI 能力在游戏运营、研发管线、质量分析等核心业务场景中深度落地，与业务方紧密协作，持续优化分析体验。 6、技术前瞻与工程落地： 跟踪 AI Agent、LLM 应用等领域最新进展，负责从技术 Demo 到生产级服务的快速转化。