資深 AI 工程師｜Senior AI Engineer

我們正在尋找一位 資深 AI 工程師，加入我們打造新一代 AI 產品與平台能力。

這個角色將聚焦於 AI 應用設計、模型理解、RAG 品質優化與模型調整，前期將以 RAG 應用品質優化與 Agent 開發 為主要任務，涵蓋檢索策略、回答品質、評估機制與 AI Workflow 設計。你將參與從 AI 功能設計、模型選型、品質優化與評估驗證，到產品整合、上線與持續維運的完整流程，打造真正可用、可驗證、可持續演進的 AI 系統。
我們期待這個角色不只是能整合現有模型與工具，也具備一定的模型理解與實作能力，能根據問題類型選擇合適方法，必要時能獨立建立、微調或優化特定 AI 模型，並將能力落實到實際產品中。如果你對 AI 應用、模型原理、系統架構與產品落地有熱情，歡迎加入我們。

你將參與的工作

• 設計、開發與優化各類 AI 應用功能，例如： RAG / LLM 應用流程，提升檢索品質、推薦、agent workflow 或其他 AI-driven features。
• 根據實際產品需求，選擇、整合與優化合適的模型、方法與系統流程，包括但不限於 LLM、embedding model、reranker、classifier、small models、tool-calling workflows 等。
• 負責 AI 系統的端到端評估與優化，涵蓋 Benchmark 建立、Offline/Online Evaluation，並根據數據持續提升 RAG 檢索與回答品質。
• 設計、開發與優化 Agent workflow，包含 Tool / Function Calling、Context Management、Multi-step Task Execution、Task Orchestration 等能力，並根據實際產品需求持續優化 Agent 的可靠性與執行品質。
• 與後端、平台及產品團隊合作，將 embedding model、LLM、reranker 與 AI workflow 整合至 production 環境。
• 在需要時參與或主導特定任務模型的建立、微調、訓練、推論優化或部署。
• 開發與優化 AI 相關產品功能與使用者互動流程，與前後端團隊協作定義 AI Service API、Response Schema、Streaming Flow、Tool Invocation 與 Observability 機制，提升 AI 功能的可用性、可理解性與使用者信任感。
• 參與 AI 應用架構設計、技術選型、實驗流程建立與工程規範制定。

我們期待你具備（必備條件）

• 具備 3 年以上軟體工程、AI／ML 或 AI 應用開發相關經驗，並具有 AI 系統從需求分析、設計開發到 Production 上線與持續迭代的實務經驗，能對所負責的系統或核心模組具備明確的 ownership。
• 具備 Production RAG / LLM Application 的實務經驗，能獨立設計與優化 retrieval pipeline，熟悉 Embedding、Hybrid Search、Reranking、Query Transformation、Context Assembly 等技術，並能分析與改善召回不足、檢索錯誤及生成品質等問題。
• 具備良好的 AI Evaluation 與 Benchmarking 能力，能建立 Offline / Online Evaluation 流程，透過 Relevance、Groundedness、Faithfulness 等指標、測試資料集與使用者回饋，持續量化與改善 AI 系統品質。
• 具備良好的 模型理解、選型與調整能力，理解不同開源／閉源 LLM、SLM 的能力與限制，能依任務需求評估效果、成本、延遲與系統限制，並進行合理的模型選型與優化。
• 具備模型訓練或微調經驗，熟悉 LoRA、QLoRA、SFT、PEFT 等模型調整方法，並至少具有一種實際資料準備、訓練、評估或部署經驗。
• 熟悉 Python 與主流 AI / LLM 生態工具，能使用相關 framework、model serving、API 與 evaluation 工具完成 AI 系統開發與整合。
• 具備良好的 API 與後端系統設計概念，理解 AI Service API、Streaming（如 SSE / WebSocket）、錯誤處理、Logging / Tracing / Observability 等 Production 系統需求，並能與後端、平台、前端及產品團隊共同完成 AI 功能落地。

我們特別看重

• 產品思維與落地能力：能將模糊的業務或產品需求拆解為可驗證、可交付的 AI 功能與系統流程，並以實際使用價值作為技術決策的重要依據。
• AI 技術深度與判斷力：不只會整合模型與工具，也理解模型原理、行為特性、限制與取捨，能判斷問題真正來自模型、資料、檢索、Prompt、Workflow 或系統設計。
• 模型與技術選型能力：能根據任務需求，在現成模型整合、Prompt / RAG 優化、模型微調、模型優化與任務型模型開發之間做出合理選擇，而非為了使用 AI 而使用 AI。
• Evaluation-driven 的迭代能力：重視可量化的驗證方式，能透過實驗、Evaluation、使用者回饋與實際系統表現持續驗證假設、定位問題並改善 AI 品質。
• Production 與工程品質意識：重視 AI 功能在實際環境中的可靠性、可觀測性、可維護性與長期演進能力，而不只追求 Demo 或單次 Benchmark 的效果。
• 持續學習與實作能力：對快速演進的 AI 技術保持開放心態，願意持續探索、驗證與實際導入新方法，同時能判斷哪些技術真正適合產品需求。
• 跨團隊協作能力：能兼顧技術深度與產品目標，並與產品、後端、平台、前端等團隊有效溝通與協作，推動 AI 功能從概念、實驗走向 Production。