- 领导设计和交付云原生的Agentic AI应用程序，这些应用程序具有弹性、高性能，并且能够在生产环境中很好地扩展
- 在生产环境中微调、评估和部署大型语言模型。在处理真实数据和约束的同时，平衡性能、成本和用户体验
- 建立并实施评估和可观测性标准（回归测试、监控、反馈循环）
- 设计框架和工具，使其他团队更容易开发基于AI的体验
- 为Agentic在高吞吐量环境中的实验、评估和优化建立最佳实践
- 与产品经理、架构师、开发人员和数据科学家合作，将AI功能引入Autodesk产品
- AI辅助交付：使用AI编码代理加速生产功能和修复的交付，进行严格的验证（测试、CI、代码审查）和安全意识的使用
- 拥有计算机科学、机器学习、数据科学学士或硕士学位，或同等的实际经验
- 拥有7年以上生产环境中构建云原生软件的经验（分布式系统、API、数据密集型服务、可靠性和操作）
- 拥有3年以上在生产环境中交付AI/ML驱动系统的实际经验（传统的ML云应用程序（训练管道、部署、监控、迭代），和/或基于LLM的系统（RAG、MCP、Agent工作流、微调模型）
- 具有使用MCP或类似标准化模式将模型连接到工具和上下文的经验
- 具有在生产环境中可靠地部署和维护AI应用程序、监控性能并随着时间的推移进行改进的经验
- 精通Python/TypeScript/Java，具有扎实的工程基础（测试、代码质量、性能、安全性）
- 能够清晰解释权衡并影响决策
- 展示了使用AI编码工具交付生产系统的经验，并具备验证和纠正AI输出的工程判断力（代码审查严格性、调试技能、正确性责任）
- 在CAD或制造领域构建AI应用程序的经验
- 拥有使用AWS、Azure或Google Cloud等平台构建和部署可扩展云原生AI应用程序的成功经验
- 具有深度学习架构（例如，Transformers）和现代ML框架（如PyTorch、Lightning和Ray）的经验
- 具有使用AWS和Sage Maker进行可扩展训练和部署的实际经验
- 对开源AI项目的贡献或在该领域的出版物
- 具有使用新兴Agentic AI解决方案（如Lang Graph、CrewAI、A2A、Opik Comet或等效产品）的经验
