关于此职位
Forward Deployed Engineer – AI/ML & Data Science
公司:Dialog Key 地点:Remote 职位类型:Full-Time
关于此职位
我们正在寻找一位经验丰富的 Forward Deployed Engineer(FDE)– AI/ML & Data Science,为企业客户设计、开发并部署生产级 AI 驱动的解决方案。
在这个职位中,你将直接与客户合作,了解他们的技术环境、业务需求和数据架构,将复杂的挑战转化为可扩展、安全且可靠的 AI/ML 应用。
你将负责端到端的技术交付,从需求收集和解决方案架构,到实现、生产部署和持续优化。
这是一个需要亲自动手的工程岗位,要求具备扎实的软件开发专业能力,以及在大语言模型(LLM)、检索增强生成(RAG)、云基础设施和企业系统集成方面的实践经验。
你将编写生产代码、设计 AI 驱动的工作流、建立工程最佳实践,并与客户工程团队协作,交付可衡量的技术和业务成果。
主要职责
以客户为中心的 AI/ML 解决方案开发
- 直接与多家企业客户合作,了解其业务流程、应用架构、数据环境和技术需求。
- 主导客户定制 AI/ML 应用的端到端开发与部署,从探索和架构设计到生产上线及持续优化。
- 设计并实现定制化 AI 解决方案,包括智能助手、由 RAG 驱动的应用、自主 AI 智能体、预测分析系统和工作流自动化工具。
- 开发与客户现有企业应用、数据库、API 和云基础设施无缝集成的解决方案。
- 构建安全的集成层,支持身份验证、单点登录(SSO)、数据同步和第三方服务连接。
- 与客户工程团队协作,排查集成问题、优化应用性能并确保生产可靠性。
技术架构与软件工程
- 使用 Python、JavaScript/TypeScript、SQL 及现代软件开发框架,设计、开发并维护生产质量的应用程序。
- 使用 LLM API、检索增强生成流水线、向量数据库和智能体式 AI 工作流,设计并部署可扩展的 AI/ML 应用。
- 开发后端服务、RESTful 或 GraphQL API、集成中间件以及自动化数据处理流水线。
- 实现 AI 编排框架、提示工程策略、嵌入模型、语义搜索和工具调用能力。
- 使用 AWS 服务(如 Lambda、ECS、EKS、RDS、Aurora、S3、API Gateway 和 CloudWatch)设计并部署云原生应用。
- 使用 Docker、Kubernetes 和自动化 CI/CD 流水线实现容器化部署。
- 构建支持 ETL/ELT 流程、实时数据摄取和企业分析的可扩展数据流水线。
- 为生产应用建立监控、日志、可观测性和性能优化策略。
- 确保技术解决方案满足客户特定的安全、隐私、合规和数据治理要求。
生成式 AI 与机器学习工程
- 使用领先的 LLM 提供商和开源模型,设计并实现生产级生成式 AI 应用。
- 构建 RAG 架构,基于客户特定的企业知识库进行检索、处理并生成响应。
- 开发具备工具执行、多步推理、任务自动化以及与外部服务集成能力的智能体式 AI 系统。
- 实施提示词优化、上下文管理、文档分块、嵌入生成和检索策略。
- 开发自动化评估框架,以衡量 AI 响应的准确性、相关性、幻觉率、延迟和可靠性。
- 实施 AI 安全机制,包括护栏、内容过滤、访问控制和敏感数据保护。
- 优化 AI 应用的性能、可扩展性和资源利用率。
- 评估新兴 AI/ML 技术,并根据客户需求推荐合适的架构。
企业集成与数据工程
- 设计并实施 AI 应用与客户现有企业系统之间的安全集成。
- 开发 API 连接器、集成中间件、事件驱动服务和自动化数据同步流程。
- 构建并维护连接结构化和非结构化数据源的数据管道。
- 使用关系数据库、NoSQL 数据库、向量数据库和基于云的数据存储系统。
- 实施数据转换、验证、质量保证和治理流程。
- 开发可扩展的分析集成,支持报告、运营仪表板和 AI 驱动的洞察。
- 排查数据集成问题并优化数据处理性能。
技术领导与工程标准
- 领导复杂客户 AI/ML 实施的技术架构决策。
- 进行代码审查、架构审查和技术设计评估。
- 在软件开发、云架构和 AI/ML 工程实践方面指导初级和中级工程师。
- 建立可复用的集成组件、部署模板和工程最佳实践。
- 编写技术文档、实施指南和部署手册。
- 与客户利益相关者、软件工程师、数据科学家和基础设施团队协作,确保技术交付成功。
- 识别反复出现的实施挑战,并开发可复用的工程解决方案。
技术资格
必备资格
- 7 年以上专业软件工程经验,包括开发和部署复杂生产系统。
- 3 年以上面向客户的技术岗位经验,例如 Forward Deployed Engineer、Solutions Engineer、Applied AI Engineer 或 Implementation Architect。
- 具备 Python、JavaScript/TypeScript 和 SQL 的丰富编程经验。
- 具有设计和实施 RESTful API、GraphQL API、后端服务和分布式应用的成熟经验。
- 具有构建和部署生产 LLM 应用的实践经验。
- 深入理解 RAG 架构、提示词工程、嵌入、向量搜索和 AI 智能体开发。
- 熟悉 AI 编排框架,例如 LangChain、LlamaIndex 或同等技术。
- 具有云基础设施经验,最好是 AWS,包括 Lambda、ECS/EKS、S3、RDS/Aurora、API Gateway 和 CloudWatch。
- 具有 Docker、Kubernetes、CI/CD 流水线和云原生部署实践经验。
- 深入了解关系数据库、NoSQL 系统和向量数据库。
- 具有开发数据管道、ETL/ELT 工作流和企业集成的经验。
- 熟悉自动化测试、AI 评估框架、监控和可观测性工具。
- 理解软件安全、身份验证、授权、数据隐私和安全 API 设计。
- 具有排查和优化生产应用的经验。
- 能够独立负责技术项目,从初始需求到生产部署。
优先资格
- 具有智能体 AI 框架、多智能体架构和自主工作流系统的经验。
熟悉向量数据库,如 Pinecone、Weaviate、Milvus、Chroma 或带有 pgvector 的 PostgreSQL。
具有机器学习框架的使用经验,如 PyTorch、TensorFlow 或 scikit-learn。
了解 MLOps 实践、模型部署、实验跟踪和模型监控。
具有 AWS SageMaker、Bedrock 或类似托管 AI/ML 平台的使用经验。
熟悉事件驱动架构、消息队列和分布式处理系统。
具有构建实时分析系统和大规模数据处理管道的经验。
了解负责任 AI 原则、AI 安全性评估和企业 AI 治理。
具有使用 Terraform、AWS CDK 或类似工具实施基础设施即代码的经验。
对 AI/ML、云工程或分布式系统相关的开源项目或技术出版物有贡献。
AWS Certified Solutions Architect、Google Cloud Professional Machine Learning Engineer 或同等认证。
计算机科学、人工智能、机器学习、数据科学、软件工程或相关技术领域的学士或硕士学位。
预期技术交付成果
企业 AI 架构:设计可扩展、安全、生产就绪的 AI/ML 架构,以满足客户需求。
基于 RAG 的应用:开发和部署基于客户特定文档、数据库和企业知识系统的智能助手。
代理式 AI 工作流:构建能够与客户工具、API 和业务工作流集成的自动化 AI 代理。
AI 评估框架:实施自动化测试和评估管道,衡量模型的准确性、可靠性、安全性和性能。
企业集成组件:开发可复用的 API 连接器、身份验证服务和数据集成模块。
云部署基础设施:建立可靠的云原生部署管道、监控系统和基础设施自动化。
技术文档:生成架构图、集成规范、部署指南和可复用的工程模板。