AI 應用導入工程師（FDE｜Forward Deployed Engineer）(台北)

關於這個角色
讓企業使用者用自然語言查詢自己的資料，聽起來很簡單；但要在客戶自己的環境、面對複雜的業務資料，做到使用者真正敢相信的準確度，是另一回事。
你的核心任務，是把 Wren AI 導入客戶環境，並調校到真正可用。你也要幫客戶看得更遠：這個 GenBI 應用不只是一個查詢介面，還可以作為 sub-agent 或 MCP 工具，成為企業未來 multi-agent 架構中的資料能力。
我們正在建立 Phison 的 FDE 團隊，並招募第一批成員。Phison AI Data Platform 與 Phison aiDAPTIV+ 深度整合，技術範圍從硬體、管理運算資源的 HCI、在硬體上運行模型的 Middleware，一路延伸到企業 AI 應用。目前最主要的應用是 Data Intelligence 解決方案 Wren AI。
在專注於 Wren AI 的同時，你也會持續學習 HCI 與 Middleware 等平台層技術，逐步具備從平台到應用的完整支援能力。團隊的長期目標是建立導入方法與培訓體系，讓國內外的 SI 合作夥伴在各地完成交付，並由我們控管品質。你累積的每一次經驗，都會成為教給夥伴的方法。
你會做什麼
需求探索與架構規劃
● 與客戶的業務、IT 及資料團隊合作，釐清使用情境、資料現況與導入目標。
● 規劃 Wren AI 在客戶 AI 架構中的定位：從單一的 GenBI 應用開始，到作為 sub-agent 或 MCP 工具整合進 multi-agent 架構的演進路徑，並說明各階段的價值、限制與取捨。
● 評估資料權限、存取控制與稽核需求，確保 AI 透過 Agent 存取資料時，仍然符合客戶的治理要求。
導入與調校 Wren AI
● 串接客戶的資料來源，建立語意模型，包括資料模型、關聯、指標與計算欄位，並設計問答範例與查詢指引。
● 建立評估題組，量測 Text-to-SQL 準確度，分析錯誤案例，並從語意層、Prompt 設計與模型設定等面向持續改善。
● 開發 API 串接與整合流程，將 Wren AI 嵌入客戶的系統與工作流程，或以 MCP 等方式提供給其他 AI 應用使用。
部署、排查與平台能力養成
● 在 Kubernetes 環境部署與設定應用，並串接平台上的模型服務。
● 當問題可能出在資料、模型或應用層時，透過日誌與重現步驟定位根因，並與研發團隊協作修復。
● 與平台團隊協作，學習 HCI 與 Middleware 的架構與維運，逐步承擔跨層導入與排查工作。
支援售前
● 與 PM 及業務合作，進行技術簡報、demo 與 PoC 規劃，並定義 PoC 成功標準，例如目標準確度與驗證題組。
建立夥伴能力、沉澱方法
● 將語意建模、調校與整合經驗整理成方法論、範本與訓練課程，為國內外 SI 夥伴授課，並審查其調校成果與交付品質。
● 將現場問題與客戶需求轉化為具體的產品改善建議。
我們希望你具備
● 有 LLM 應用的實際開發經驗，例如 RAG、tool calling、Prompt 設計，或對 LLM 輸出品質進行評估與改善。
● 理解 AI Agent 架構，包括 MCP 與 multi-agent 協作模式，能向客戶說明整合方式與取捨。
● 熟練 SQL，具備資料建模經驗，例如維度模型、資料倉儲或 BI 語意層，能把業務問題轉成正確的資料邏輯。
● 能以 Python 開發整合工具與資料處理流程，能操作 API 並閱讀他人程式碼。
● 熟悉 Linux 與容器，具備在 Kubernetes 上部署服務並排查問題的基本能力。
● 對基礎設施有興趣，願意持續學習 HCI 與 Middleware 等平台層技術。
● 能直接與客戶的業務及技術人員溝通，釐清模糊需求，並清楚說明技術限制與取捨。
● 能以英文進行技術溝通，包括會議討論、書面往來與閱讀技術文件。
● 團隊建立初期，需能彈性配合專案關鍵時程與緊急狀況處理。
加分條件
● 有 Agent 框架的實作經驗，或曾開發過 MCP server 或 multi-agent 應用。
● 做過 Text-to-SQL 專案，或使用過 dbt、LookML、Cube 等語意層工具。
● 熟悉資料權限控管、資料治理或企業資安要求。
● 有 HCI、虛擬化、GPU 運算環境，或本地模型部署的經驗。
● 使用或整合過 Wren AI、aiDAPTIV+，或其他 GenBI／AI 資料平台。
● 有地端、私有雲或受限網路環境的專案經驗。
● 有技術訓練或授課經驗，或能以英文進行簡報與訓練。