AI 工程師 - AI Engineer (Agent & LLM)

這個職位

我們正在打造專為企業情境設計的 AI Agent 系統。

這個職位是我們團隊第一位專注在「AI 技術本體」的核心工程師。在產品開發上，系統介面、底層後端、雲端與地端維運、測試自動化都有夥伴負責，你不需要包辦前後端開發或伺服器維運。你的核心任務是負責這個 Agent 的決策邏輯與模型調校：

• 負責 Agent 工作流與決策迴圈的設計與實作。
• 建立客觀嚴謹的評估機制（Evals），告別「感覺這次回答比較好」的玄學驗收。
• 在 RAG 與 Context 管理遇到瓶頸時，能動手針對開源模型進行後訓練（Post-training），讓模型穩定遵循業務指令或掌握特定領域知識。

因為你是團隊第一位專職 AI 人才，我們非常看重樂於分享、能輸出知識的特質。我們希望你能把 AI 的實戰經驗、踩坑心得與技術邊界帶進團隊，能把技術細節用白話講清楚，協助非 AI 領域的工程夥伴理解技術限制與協作方式。

你會負責什麼

• Agent 架構與工作流開發：設計具備 Tool Calling、多 Agent 協作、狀態持久化與錯誤自動修復的企業級 Agent 工作流程。
• Agent 評估體系（Evals）與品質管理：建立量化且自動化的評測流程（包含工具呼叫準確率、任務完成度、幻覺率評估），確保每次系統、Skill 或 Agent 工作流更新都有客觀指標把關。
• 開源模型後訓練（Post-Training）：當 RAG 或 Context 管理無法滿足專業領域要求或指令遵循度時，負責資料清理與建置訓練資料集，並進行開源模型的 SFT、LoRA / QLoRA、DPO 或 GRPO 微調。
• 推論服務最佳化與部署：負責開源模型在本地或私有伺服器上的部署與加速，妥善處理 VRAM 佔用、推論延遲與吞吐量平衡。
• 模型選型與成本架構：根據任務特性決定何時使用開源模型自建服務、何時呼叫商業 API，取得延遲、成本與效果的最佳平衡。
• 跨職能協作與知識傳承：與 Rust 後端、全端工程師協同定義清晰的 API 與狀態規格；定期向團隊分享 AI 最新技術進展、架構設計思維與除錯經驗。

Requirements

必備條件

• 3 年以上軟體開發或 AI 相關實務經驗，其中至少有 1.5 年以上實際開發 LLM / Agent 應用或模型訓練的經驗。
• 熟悉主流 Agent 開發框架與 SDK：如 LangGraph、LlamaIndex、CrewAI、AutoGen 或 LiteLLM，能清楚說明狀態機設計、記憶體架構與例外處理機制，而非僅僅跑通官方範例。
• 具備紮實的 Agent 評估（Evals）實務經驗：曾導入或使用過 Ragas、DeepEval、Langfuse、LangSmith 或 Phoenix 等工具；懂得如何建立測試集（Ground Truth）、合成資料與自動化回歸測試。
• 具備開源模型後訓練實作能力：熟悉 Hugging Face 生態系，有實際跑過 SFT、LoRA / QLoRA、DPO 或 GRPO 的經驗（使用過 Unsloth、Axolotl、LLaMA-Factory、Torchtune 等工具皆可）；能夠清楚解釋資料配比對模型行為的影響，以及 Loss 震盪時的排查思路。
• 具備私有化模型部署經驗：熟悉 vLLM、SGLang、Ollama 或 llama.cpp 等推論框架，理解模型量化（如 AWQ、GGUF）技術，以及在有限硬體 VRAM 下的部署策略。
• 樂於分享與清晰的跨職能溝通能力：習慣寫清楚的技術文件，能把複雜的模型概念與系統架構用白話解釋給夥伴聽。

加分條件

• 曾將開源模型（如 Qwen、Llama、DeepSeek 系列）經過微調後，實際部署於有限硬體規格（如單卡工作站或邊緣伺服器）並穩定提供商用服務。
• 熟悉 MCP（Model Context Protocol）或各類新興 Agent 互通通訊協定。
• 具備企業級 AI 安全治理經驗（如 Prompt Injection 防護、PII 個資遮蔽、輸出 Guardrails 規則建置）。
• 有開源社群貢獻、技術文章產出或公開演講分享經驗。