Forward Deployed Engineer

我們做的是 on-premises AI server appliance - 硬體、作業系統，到數據整合、模型服務、AI Agent 應用，整套一起出貨進客戶機房。從數據、模型到應用，都在同一個產品裡。

一整套系統送進客戶機房，問題會橫跨很多層：硬體規格與相容性、GPU 與驅動、作業系統與網路、客戶的資安政策、以及最上層的數據與應用。我們需要一位能在現場把這些問題一路解到底的工程師。

職務需求
【你的角色與挑戰 (Your Mission)】
1. 出貨前系統整備與驗證

依客戶需求規劃系統配置：GPU、記憶體、儲存、網卡的選型與相容性確認。
出貨前整機測試與驗證：硬體壓力測試、GPU 與驅動驗證、系統設定確認。
韌體與驅動版本管理：確認出貨版本的一致性，評估升級的必要性與風險。
2. 客戶現場部署與整合

事前的機房環境評估：機櫃空間、供電、散熱、網路規劃，及早發現會擋住上線的條件。
現場完成系統上線：上架佈線、BMC 與網路設定、RAID 與儲存配置、GPU 驅動與授權確認、作業系統與服務啟用。
與客戶網路及資安環境整合：TLS 憑證部署、proxy、防火牆、VLAN 隔離、帳號與權限對接。
在無外部網路連線的環境完成部署與排錯。
3. 客戶技術支援與問題處理

作為客戶技術問題的窗口，涵蓋硬體、系統與軟體平台。
問題重現與根因分析：從系統日誌、BIOS/BMC 事件、韌體版本、效能數據定位問題，判斷是設定、韌體、軟體、還是硬體本身。
硬體故障處理：與供應商及 ODM 夥伴協調零件更換與 RMA 流程。
支援售前技術活動：POC 規劃與執行、規格與可行性回覆、客戶端技術評估。
4. 數據與應用層導入

接客戶來源系統（ERP、數據庫、檔案、產線系統），設計數據整合流程與轉換邏輯。
依客戶 GPU 規格與併發需求規劃模型部署與資源配置。
把客戶的實際流程做成 AI agent 或 RAG 應用，從選型、調校到驗收。
5. 教育訓練、文件與知識累積

交付後的教學與 handover，讓客戶端 IT 能自己維運。
撰寫部署與排錯文件、安裝 SOP、驗收報告。
把重複遇到的問題整理成腳本、檢查表或工具，並將現場發現轉成產品需求交給對應的 product owner。
【必備條件 (Must-Haves)】
1. 硬體與現場

5 年以上伺服器、GPU 系統、數據中心設備或企業基礎架構的實務經驗。
伺服器與 GPU 系統的排錯能力：主機板、記憶體、儲存、NIC、電源、BIOS、BMC、韌體、系統日誌。
熟悉 NVIDIA／AMD GPU、x86 伺服器架構、RAID 與數據中心網路。
機房實務經驗：上架佈線、供電與散熱的基本判斷。
Linux 實務能力（Ubuntu 為主）：熟悉 systemd、networking、storage。你要能在一台狀況不明的機器上自己找出問題。
2. 軟體

我們不要求你是軟體工程師，但你要能動手：

能讀懂並修改 Python 或 Shell 腳本，能寫自動化工具。
基本 SQL 能力。
容器化部署經驗（Docker / Docker Compose），能讀懂並修改別人寫的 stack。
3. 其他

能直接面對客戶 IT 主管與資安人員把話講清楚。
中文流利；英文需具備良好的書面與口語溝通能力，能讀寫技術文件並與原廠、國外夥伴及客戶進行技術討論。
可配合國內出差；專案上線期間可能連續數日駐點客戶端。

【我們重視的特質 (Culture & Values)】
現場沒有後援的自覺：客戶機房出事時只有你在。我們要的是能在高壓下維持判斷力、把問題解掉再回頭檢討的人。
追到根因：遇到問題或效能瓶頸會主動追查 Root Cause，並根據商務目標決定處理優先級。不滿足於「重開機就好了」。
在模糊中前進：客戶不會給你完整規格，你要自己界定範圍、排序、開始動工，並在條件變動時調整計畫而不停下來。
團隊合作：樂意與不同專業緊密溝通合作、互相補位，樂於分享技術深度。
擁抱變化：AI 演進快，市場需求也在變。習慣擁抱這些變化並視為成長機會。
善用工具 (AI-Augmented)：會自主學習使用 Claude Code、Copilot、Codex 等加速工作流程，把時間花在更核心的判斷上。