点职投

参与公司 AI 基础设施的建设，重点围绕模型部署流程的效率优化。通过工程化手段、智能体（Agent）与自动化工具链，减少人工介入，缩短模型从训练完成到上线的周期，提高部署的可靠性与效率。 岗位职责 模型部署流程的效率优化 - 深度参与现有模型部署，分析各个阶段（模型转换、模型验证、上线等）的耗时与瓶颈，提出并实现改进方案。 - 设计并构建基于 Agent + Skill 的模型验证与发布助手：将模型格式检查、精度校验、性能基准测试等能力封装为可复用的 Skill；通过 Agent 调度这些 Skill，实现部署任务的自动化。 - 设计模型验证等工具，提升多版本或高频部署场景下的效率。 可观测性与问题排查 - 收集并分析部署全流程的日志、耗时、资源占用等数据，建立部署任务的监控看板，展示部署耗时、成功率、资源消耗等关键指标。 - 开发基于 Agent 的故障诊断 Skill：自动识别部署失败常见原因。 - 协助构建部署任务的监控看板，展示部署耗时、成功率、资源消耗等关键指标。 基础设施与工具链建设 - 参与部署平台的设计与开发，推动模型部署从“脚本化”向“服务化+智能化”演进。 - 建设 Agent 与 Skill 的统一管理、调度与观测体系，提升 AI 基础设施的自动化水平。 任职要求 基本要求 - 本科或硕士/博士在读，计算机相关专业，能连续实习 3 个月以上。 - 熟练掌握 Python，有良好的工程代码习惯。 - 了解至少一种深度学习框架（PyTorch / TensorFlow）的基本使用。 - 对模型部署基础概念有认知：例如 ONNX、TensorRT、Docker 中的至少一项。 - 具备脚本开发和问题定位能力，能够独立写小工具提升工作效率。 加分项 - 理解 Agent 基本架构（规划、记忆、工具调用），有 LangChain、LangGraph、Semantic Kernel 或类似框架的实际使用经验。

--