AI FDE工程师（制造与物流）

岗位职责
岗位职责

1. 以 FDE（Forward Deployed Engineer，前线部署工程师） 的工作方式深入制造与物流现场，与业务人员共同识别问题、梳理流程，判断 AI 技术的适用边界，并推动解决方案快速落地。
2. 面向生产制造、生产计划、工艺、设备、厂内物流、仓储及供应链协同等场景，负责 AI 应用和智能 Agent 的设计、开发、部署与持续优化。
3. 将业务人员提出的模糊需求转化为明确的问题定义、业务流程、数据需求、技术方案和验收指标，快速完成原型开发与现场验证。
4. 结合大语言模型、RAG、知识图谱、工作流编排、机器学习和数据分析等技术，开发生产知识助手、异常分析、计划辅助、工艺知识应用、设备运维、物流调度等 AI 应用。
5. 对接 MES、ERP、WMS、WCS、TMS、LES、APS、PLM、SCADA、IoT 等制造与物流系统，完成业务数据理解、接口集成及跨系统流程编排。
6. 负责 AI 应用在客户环境中的部署与交付，处理模型效果、数据差异、系统接口、权限安全、性能稳定性等实际问题，确保应用能够进入真实业务流程。
7. 建立业务反馈闭环，根据一线用户反馈和运行数据快速迭代，持续提升知识检索准确性、任务执行成功率、系统可用性及业务价值。
8. 将项目实践沉淀为可复用的知识库、业务模型、Agent 能力、技术组件、场景模板及实施方法，扩展团队在制造与物流领域的支持能力。
9. 与客户业务团队、产品、平台研发及项目交付团队协作，在解决客户个性化问题的同时，识别可产品化、标准化和规模化复制的共性能力。

岗位要求
岗位要求

1. 本科及以上学历，计算机、人工智能、软件工程、自动化、工业工程等相关专业。
2. 具备 AI 应用开发经验，能够使用 Python 等语言独立完成大模型应用、智能 Agent、RAG、知识图谱、机器学习或数据分析项目。
3. 理解大语言模型的基本原理、能力边界和常见应用架构，熟悉提示词工程、工具调用、结构化输出、知识检索、上下文管理、模型评测及效果优化。
4. 熟悉 LangChain、LlamaIndex、LangGraph、Dify 等一种或多种 AI 应用开发框架，并具备实际项目经验。
5. 具备端到端的工程交付能力，能够完成需求分析、技术设计、编码开发、系统集成、测试验证、环境部署、运行监控和问题排查。
6. 对制造或物流业务具有一定理解，熟悉生产计划、生产执行、工艺管理、设备管理、物料拉动、厂内物流、仓储管理等一个或多个领域。
7. 具备较强的业务分析和系统抽象能力，能够将现场问题拆解为流程、数据、规则、模型、工具和应用能力，而不是仅根据固定需求进行功能开发。
8. 具备 FDE 所需的客户现场工作能力，能够直接与生产、计划、工艺、设备、物流、IT 和管理人员沟通，并推动跨角色问题解决。
9. 能够在需求不完整、数据条件有限、系统环境复杂的情况下主动澄清问题、验证假设，快速交付可运行的最小可行方案。
10. 重视 AI 应用的可靠性和安全性，能够处理模型幻觉、权限控制、数据安全、结果验证、异常降级、运行监控及人工兜底等问题。
11. 具备较强的责任意识和结果导向，能够对应用是否真正被使用、是否解决业务问题以及是否产生可衡量的价值负责。
12. 能够接受一定频率的客户现场调研、驻场开发和项目交付支持。

优先条件

- 具有 FDE、解决方案工程师、客户成功工程师、实施开发工程师，或复杂企业软件现场交付经验。
- 具有制造或物流领域 AI 应用、工业知识库、智能 Agent、设备运维、计划排产、库存优化或物流调度项目的落地经验。
- 具有从现场需求调研、原型验证到生产部署的完整 AI 项目经验。
- 了解汽车整车制造流程，包括冲压、焊装、涂装、总装，以及生产计划、生产执行、工艺管理、设备管理和厂内物流等业务。
- 具有汽车主机厂，或 Tier 1、Tier 2 零部件供应商的工作或项目经验。
- 熟悉采购协同、供应商协同、生产供料、线边物流、仓储管理、库存管理、运输配送及订单交付等业务流程。
- 了解推动式与拉动式生产、JIT、JIS、看板、齐套管理、物料拉动和精益生产等制造与物流管理模式。
- 参与过 MES、APS、WMS、WCS、TMS、LES、PLM、ERP、设备管理或工业互联网平台的规划、建设与集成。
- 熟悉 Docker、Kubernetes、Linux、数据库、API 集成及云端或私有化部署，能够处理客户环境中的工程问题。
- 熟悉向量数据库、Embedding、Rerank、知识图谱、模型微调、模型量化或推理部署等技术。
- 具有制造数据治理、时序数据分析、异常检测、预测模型或运筹优化经验。
- 具有可展示的 AI 应用项目、开源贡献、技术文章或行业解决方案。