核心职责（聚焦AI落地与工程实现）
1. AI模型与系统落地
主导 LLM（大语言模型）的微调（SFT / LoRA / RLHF）、推理优化及领域模型设计，针对软件工程场景（代码、测试、日志）构建专用模型。
负责 Agent 系统的推理控制与编排，包括思考模式控制、工具调用（Tool Use）流程管理，以及多层级记忆（短期/长期 Memory）策略设计与生命周期管理。
负责非结构化数据（代码、日志、技术文档）的结构化建模与知识抽取，支持 Agent Memory 的持续学习。
2. 数据与工程实践
制定并落地 AI模块数据对接标准，统一 Prompt、Memory Schema、数据交互规范。
参与数据治理体系建设，统一数据口径，制定数据标准化规则与质量评估策略，提升训练/推理数据质量。
熟练掌握文本类、日志类等非结构化数据的清洗、标定、结构化技术，支撑实际业务场景。
3. 技术领导与实施
组建、培养并领导AI解决方案架构与工程团队，负责原型验证、工程化部署、性能调优和持续迭代。
为团队提供AI技术指导，攻克训练、推理、集成中的实际难点。
建立AI在软件工程中的技术标准、最佳实践与质量度量体系（如开发周期、缺陷密度、资源成本等可量化指标）。
4. 协作与内部赋能
与各软件工程团队（开发、测试、DevOps）深度协作，理解其痛点，设计并交付可落地的AI解决方案。
在内部进行AI技术布道与培训，提升团队整体AI工程能力。
The boar re-runs this search every day and emails you what’s new — scraped straight from company career sites, no recruiter spam. Free.