AI工程师负责在数据与AI实验室内设计、开发和部署Agentic AI解决方案和AI驱动的平台。该角色专注于构建稳健的AI基础设施，包括与云平台、向量存储、文档处理管道和实时数据流功能的集成。
此职位需要具备强大的工程技能，以使用AI编排框架（MCP）、云服务（Azure, GCP）和现代AI工具。AI工程师与AI产品负责人、数据科学家和其他工程师密切合作，提供支持银行运营和面向客户应用的生产级AI解决方案。
该角色连接AI研究和生产部署，确保AI能力具有可扩展性、可维护性，并符合企业架构标准。
主要职责
1. Agentic AI开发
• 设计和实施Agentic AI解决方案，包括自主工作流、多代理系统和AI编排模式。
• 开发和维护与模型上下文协议（MCP）和类似AI编排框架的集成。
• 构建和优化AI管道，将多个AI能力结合成连贯的解决方案。
2. AI平台工程
• 开发和维护AI平台组件，包括向量存储、嵌入管道和检索系统。
• 实施文档解析、处理和元数据提取管道，用于知识管理和RAG应用。
• 构建和维护AI服务消费的API和集成层。
3. 云和基础设施
• 在云平台（Azure, GCP）上设计和部署AI解决方案，遵循可扩展性和安全性的最佳实践。
• 使用Kafka实现数据流架构，用于实时AI应用和事件驱动的AI工作流。
• 管理AI基础设施，包括在OpenShift/Kubernetes上的模型服务、监控和性能优化。
4. 集成与交付
• 开发RESTful API和AI服务消费的集成模式，供内部和外部应用使用。
• 与IT团队合作，将AI能力集成到现有系统和工作流中。
• 参与敏捷交付流程（Scrum, Kanban），参与冲刺计划、代码审查和持续改进。
5. 质量与标准
• 确保AI解决方案符合安全、治理和监管要求。
• 通过测试、文档、CI/CD实践和遵循工程最佳实践来维护代码质量。
• 跟踪新兴AI技术、工具和框架，以持续提升交付能力。
关键能力
AI与ML工程
• 深刻理解LLM、嵌入模型和生成式AI架构。
• 具备AI编排框架、代理开发和多步骤AI工作流的经验。
• 熟悉向量数据库（Azure AI Search, Pinecone, Weaviate, Milvus）和RAG模式。
• 了解深度学习框架（TensorFlow, PyTorch）和模型部署工具（MLflow, TFX）。
软件工程
• 精通Python和相关AI/ML库（LangChain, LlamaIndex或类似）。
• 具备API开发（REST）和微服务架构的经验。
• 高级SQL技能（存储过程、窗口函数、临时表、递归查询）。
• 使用Git（GitHub/GitLab）进行版本控制和代码管理。
云与数据工程
• 具备云平台（Azure, GCP）和对象存储（S3, GCS, ABS）的经验。
• 了解数据流技术（Kafka）和工作流编排（Airflow, Apache NiFi）。
• 使用Docker和Kubernetes（OpenShift）进行容器化和编排。
• 熟悉使用Spark进行数据处理和MLOps实践。
协作
• 能够在跨职能团队中有效工作，与数据科学家、ML工程师和产品负责人合作。
• 具备向非技术利益相关者解释技术概念的强大沟通能力。
• 具备在敏捷/Scrum环境（Kanban, Scrum）中工作的经验。
资格与经验
• 计算机科学、软件工程、数据科学或相关领域的学士或硕士学位。
• 4-6年软件工程经验，其中至少2年专注于AI/ML应用。
• 拥有云平台（Azure或GCP）和容器化（Docker, OpenShift/K8s）的实际经验。
• 优先考虑具备文档处理、元数据提取和知识管理系统经验者。
• 银行业或金融服务行业经验者优先。
• 优先考虑相关认证（Azure AI Engineer, GCP ML Engineer）。
