• 【三年合同试用期6个月打八折，介意勿扰介意勿扰感谢配合】 【本岗位需高频出差（预计30%-50%），深度嵌入客户现场，与客户业务、IT、安全、合规团队协同办公，在客户真实环境中完成从原型到生产的全链路交付。】 【
• 】 本岗位围绕大B客户AI项目精准落地、风险可控、价值闭环、持续迭代核心目标，覆盖需求洞察、方案架构、可行性研判、风险治理、数据飞轮搭建、落地交付、资源评估全流程工作：
• 行业场景与业务架构设计：深耕金融、运营商、能源等行业大B场景，精准甄别高价值AI落地场景，杜绝无效AI建设。结合客户业务流程、数据及合规要求，定制AI Agent业务架构与改造方案，保障AI贴合真实业务。
• AI落地可行性研判与路径规划：掌握大模型与AI Agent能力边界，清晰识别技术适配场景与落地短板。结合大B客户私有化、合规、算力现状，输出定制化落地路径，替代通用化方案，解决落地不适配问题。
• 大模型风险管控与ROI治理：识别大模型幻觉、不稳定、泛化弱等固有问题，评估业务影响。通过技术与流程管控手段约束落地风险，量化业务收益，确保项目效果可控、ROI达标。
• Agent数据飞轮与迭代闭环建设：基于公司Agent平台构建客户数据迭代体系。打通数据观测、反馈、优化全链路，建立Eval-driven评估机制，定义业务级效果指标并设计A/B测试与回归测试方案，实现Agent持续进化，解决项目上线后停滞退化问题。
• 标准化交付文档与质量保障：输出规范化Agent项目PRD与合规标准，搭建完整测试用例体系。指导团队标准化实施，规范交付过程，保障大B项目工程质量与顺利验收。
• 场景MVP/DEMO快速验证：针对客户模糊、创新场景，快速完成DEMO与MVP开发验证。快速校验技术可行性与场景适配性，降低试错成本，加速项目立项与规模化落地。
• 客户需求对齐与共识管理：独立对接客户CIO/业务/安全/合规多层级团队，梳理并校准AI转型需求与落地预期。统筹需求、指标、验收全流程共识，减少需求变更，保障项目平稳推进。
• 资源评估与落地保障：根据大B私有化、高合规要求，统筹评估算力、软硬件、人力等落地资源。输出合理资源配置方案，规避落地卡点，保障项目稳定部署与长期运行。
• AI系统评测与可观测性建设：构建AI系统评估体系（Evaluation Framework）与可观测性框架（Observability），持续监控Agent在生产环境中的准确性、安全性、延迟与稳定性，确保系统从"上线"到"可用"的跨越。
• 产品反馈与能力沉淀：将客户现场交付经验抽象为可复用的部署模式、工具组件与最佳实践Playbook，反向驱动AIBox平台产品能力升级；定期向产品研发团队输出模型效果反馈与功能改进建议，实现"吸收痛苦-沉淀能力-平台进化"的闭环。 【

• 学历要求：本科及以上学历、211/985优先，计算机/软件/数学/通信等相关专业
• 基础素质要求
• 沟通能力：具备对客户、对团队双向沟通能力，能够将客户的模糊需求转化成清晰的执行路径、行动路线再传递给团队；
• 学习能力：具备及时跟进AI前沿技术、产品、研究方向的能力；
• 执行能力：对落地交付具有责任心、能推动项目从需求到交付全流程；
• 抗压与模糊决策能力：能够在需求模糊、环境复杂、资源受限的条件下快速做出技术决策，具备在高压下平衡范围、速度和质量的能力，对不确定性保持高度容忍。
• 工程技术基础：熟悉Python、C++、Java至少一门开发语言，具备工程实践经验；熟悉前端开发（React/Vue等）与云原生部署（Docker/K8s）者优先，具备独立搭建从UI到模型调用到数据库的完整原型能力。
• AI核心框架认知：熟悉LLM基础理论、技术特性与能力边界，熟悉主流AI Agent平台架构、工作机制、搭建逻辑与行业落地框架，深刻理解国内企业级AI Agent的落地形态与轻量化、私有化部署要求。熟练掌握LLM应用开发框架（如LangChain/LangGraph、LlamaIndex），掌握RAG架构设计与优化、Prompt Engineering、模型微调（Fine-tuning）与评估方法；了解MCP协议、Agent工具调用（Tool-calling）及多智能体协同机制。
• 场景化方案选型能力：清晰认知AI Agent在大B行业项目中的能力边界与落地局限，可结合客户数据基础、业务规模、合规要求、预算ROI，摒弃通用化方案，选择最优的Agent搭建、模型调用、数据处理、迭代优化实施方案；
• AI Native交付体系能力：深度理解企业级AI原生交付逻辑，熟练掌握大B项目AI落地全流程工作框架，涵盖需求共识、价值指标定义、业务架构设计、代码开发、全维度测试、客户验收、持续迭代等核心环节，具备标准化、体系化的AI项目落地交付思维。
• 评测与可观测性能力：具备构建AI系统评估体系（Evaluation Framework）与可观测性框架（Observability）的能力，能够定义业务级效果指标，设计A/B测试与回归测试方案，确保Agent系统在生产环境中的准确性、安全性与延迟达标。
• 数据工程能力：具备企业数据集成与处理能力，熟悉ETL/ELT流程、数据清洗、特征工程及向量数据库（如Milvus、Weaviate、PGVector）的使用，能够解决大B客户"数据就绪"这一核心落地瓶颈。

来自公开渠道的招聘信息，已清洗脱敏：不含企业名、HR 姓名与联系方式， 也不转载职位原文以外的内容。仅供了解岗位画像，不作为投递依据。

看全部岗位