AI技术经理

岗位使命
您的核心使命是构建并持续演进高性能、高可靠的AI服务架构，深度优化模型推理效能与数据智能链路。您需要主动追踪前沿AI工程化技术，通过严谨的工程实践与数据驱动的评估体系，系统性解决系统瓶颈，持续提升AI服务的准确率、响应速度与资源利用率。您不等待需求，而是主动定义技术挑战，用架构升级驱动产品能力进化。

主要职责
一、主导AI服务架构设计与演进

负责AI核心服务的整体技术架构规划，包括模型推理层、知识索引层、编排调度层与可观测性体系。

设计高可用、低延迟的AI网关与API管道，支撑多模型混合路由与灰度发布。

推动AI基础设施的平台化演进，构建可复用、可插拔的共享服务组件（如模型中间件、提示词管理、向量索引服务）。

在系统性能、弹性扩展、成本控制与交付效率之间做出架构级权衡。

二、深度优化RAG与知识检索链路

全面优化检索增强生成（RAG）全链路，涵盖数据分块策略、Embedding模型选型、混合检索（关键词+向量）调优及重排序（Rerank）策略。

针对复杂知识场景，探索并落地图谱RAG（Graph RAG）、结构化检索与非结构化检索的融合方案。

持续优化检索延迟、命中率与上下文相关性，从工程层面降低模型幻觉（Hallucination）。

三、推进Agentic系统与多智能体编排

设计并实现高鲁棒性的Agentic工作流，包括任务规划（Planning）、工具调用（Function Calling/Tool Use）及状态管理（Memory）。

评估并引入多智能体协作（Multi-Agent）框架，解决复杂任务分解与协同决策问题。

构建可观测的Agent执行追踪链路，用于调试、性能分析与行为优化。

四、建立AI效能评估与实验体系（AI Evaluation & MLOps）

构建自动化AI评估框架（Evaluation Framework），覆盖准确性、忠实度（Groundedness）、推理连贯性及响应质量等核心指标。

建立离线与在线实验机制，支持Prompt版本对比、模型A/B测试及策略灰度验证，确保每次技术变更均有量化数据支撑。

搭建持续集成与持续交付（CI/CD）流水线，涵盖模型验证、安全检查和性能基线测试。

五、前沿技术验证与工程落地

持续跟踪LLM、Agent、RAG、模型压缩、推理加速等领域的最新成果，进行技术可行性验证（POC）与性能基准测试（Benchmark）。

负责关键AI组件的技术选型，包括基础模型（开源/闭源）、推理框架、编排引擎及向量数据库，并输出明确的选型评估报告。

针对高并发场景优化推理吞吐量，探索模型量化、KV Cache优化、投机采样等加速技术。

六、跨团队技术协作与知识沉淀

与后端工程团队协作，定义AI服务接口规范与数据契约，确保系统平滑集成。

与业务团队协作，将模糊的业务需求转化为清晰的技术方案与可度量的技术指标。

编写高质量的技术设计文档，沉淀AI工程化经验，并推动团队内部的技术分享与代码审查。

职位要求

任职要求
基础要求

计算机科学、人工智能、软件工程或相关专业硕士及以上学历。

5年以上后端系统或基础架构开发经验，其中至少2年专注于LLM/生成式AI领域的工程研发。

有从0到1构建生产级AI服务或核心组件（如RAG管道、Agent框架、模型网关）的实战经验。

良好的英文技术文档阅读与撰写能力，能够参与国际技术社区交流。

技术能力（需具备以下多数方向的实践深度）

模型与推理：精通主流LLM（如GPT系列、Claude、Gemini、DeepSeek、Qwen、Llama等）的API调用、参数调优及推理部署；熟悉vLLM、TensorRT-LLM等推理加速框架者优先。

AI工程框架：深入掌握至少一种Agent/工作流编排框架（如LangGraph、Semantic Kernel、CrewAI、AutoGen、OpenAI Agents SDK），并有生产环境调优经验。

检索与知识工程：精通RAG管道构建与优化，熟悉Elasticsearch、Milvus、Pinecone等向量/混合检索数据库；了解知识图谱构建与Graph RAG实现原理。

编程与系统：扎实的Python编程能力，熟练使用FastAPI构建高性能微服务；熟悉RESTful设计、异步编程及常用中间件（Redis、消息队列）。具备TypeScript或C#能力者加分。

云原生与基础设施：熟悉AWS、Azure或阿里云等云平台，掌握Docker、Kubernetes及基础设施即代码（IaC）工具。

评估与实验：有构建AI评估流水线（如使用Ragas、DeepEval或自研框架）的实践经验，理解统计学基础与实验设计原则。

我们看重的核心特质
深度技术好奇心：不满足于API调用，乐于研读技术论文、开源源码，主动拆解前沿技术的内在机理。

工程严谨性：坚信“不可测量则无法改进”，所有技术决策均基于数据、实验与客观基准，而非直觉。

架构抽象能力：能从繁杂的业务场景中提炼共性技术需求，设计可扩展、可维护的架构方案。

结果导向与韧性：面对系统延迟、检索相关性等棘手问题，具备系统化排查与持久攻坚的精神。

持续学习与分享：拥抱AI领域日新月异的迭代速度，并乐于将新认知转化为团队共享的技术资产。

我们寻找的人
我们需要的不只是熟练调用模型接口的开发者，而是能够深入AI工程腹地、定义技术方向、以架构演进驱动产品价值提升的技术专家。您将把AI服务视为一个持续进化的智能系统，而非一次性的项目交付。

入职一年内的关键成果目标
完成核心AI服务（检索+推理+编排）的下一代架构设计与原型落地。

建立全链路的AI自动化评估体系，覆盖离线验证与线上监控。

通过检索优化、提示词工程及推理加速，将核心场景的响应延迟降低30%以上，准确率提升至目标基准。

推动至少2项前沿技术（如Graph RAG、MCP、流式推理优化）完成POC并实现生产环境灰度上线。

建立团队内部的技术演进路线图与工程规范，形成可持续的创新文化。