AI大模型应用工程师（矿山智能化方向）招聘简章

公司简介
我们是国内领先的矿山智能化整体解决方案服务商，深耕矿业“少人化、无人化”转型，聚焦矿山安全生产、设备高效运维、生产智能调度三大核心场景。依托自研矿山大模型与行业知识库，我们已为全国多家大型矿山企业提供“大模型+矿山”深度融合的智能化服务，覆盖井下掘进、露天采矿、洗选加工等全流程。现因矿山大模型落地场景拓展，诚邀具备大模型应用开发与行业适配能力的工程师加入，共同推动大模型在高安全要求、高复杂度的矿山场景中实现规模化价值。

职位名称
AI大模型应用工程师（矿山场景落地）

岗位职责

1. 矿山大模型场景化落地

◦ 深入挖掘矿山核心业务需求，将大模型技术与矿山场景结合，设计并落地智能化应用：如“井下安全智能问答系统”（基于安全规程、应急预案实现违规操作预警、应急处置指导）、“设备故障诊断助手”（通过设备日志、运维记录的自然语言解析，生成故障排查步骤）、“生产调度对话机器人”（对接矿山MES系统，通过自然语言交互实现产量统计、计划调整）。

◦ 主导矿山大模型应用原型设计与迭代，结合矿山一线反馈（如矿工、调度员、设备运维人员）优化交互体验，确保大模型输出符合矿山实操逻辑。

2. 大模型微调与适配开发

◦ 基于主流大模型（如DeepSeek系列、通义千问、智谱AI等），针对矿山专业术语（如“锚网支护”“刮板输送机”“爆破警戒区”）、行业规范（如《煤矿安全规程》《金属非金属矿山安全规程》）进行微调，采用LoRA、QLoRA等轻量化微调技术，提升模型对矿山场景的理解精度。

◦ 构建矿山专属Prompt工程体系，设计适配矿山场景的提示词模板（如设备故障描述模板、安全违规场景模板），解决大模型对矿山“非标问题”的响应准确性。

3. 矿山知识库与RAG系统搭建

◦ 负责矿山行业知识库建设，整合非结构化数据（安全规程文档、设备说明书、事故案例报告、井下作业视频字幕）与结构化数据（设备运行参数、生产报表），通过向量数据库（如Milvus、Qdrant）构建高效检索体系。

◦ 开发基于RAG（检索增强生成）的矿山问答系统，优化检索策略（如结合矿山业务分类的多维度检索、语义相似度加权），确保大模型输出内容可追溯、符合矿山规范。

4. 大模型与矿山系统集成

◦ 对接矿山现有信息化系统（如井下人员定位系统、设备SCADA系统、生产调度平台），通过API接口实现大模型与业务数据的实时交互：例如将SCADA系统的设备报警数据转化为自然语言告警，结合大模型生成处置建议；将人员定位数据与电子围栏规则结合，通过大模型输出违规闯入的自然语言提醒。

◦ 开发大模型应用中间件，解决矿山系统数据格式异构（如设备日志的非结构化文本、生产数据的表格格式）、接口协议多样（如Modbus、OPC UA）的集成问题。

5. 效果评估与迭代优化

◦ 建立矿山大模型应用效果评估体系，从“准确性”（如故障诊断正确率、安全问答合规性）、“实用性”（如一线人员操作效率提升）、“安全性”（如输出内容是否符合矿山安全规范）三个维度持续迭代。

◦ 跟踪矿山大模型应用中的边缘场景（如方言交互、极端工况描述），通过数据增强（如矿山术语同义句生成）、模型二次微调优化覆盖度。

任职要求

1. 大模型技术硬实力

◦ 熟悉主流大模型（GPT系列、LLaMA、通义千问、文心一言等）的原理与应用，有大模型微调（LoRA/QLoRA）、Prompt工程、RAG系统开发经验，能独立完成从需求到原型的全流程开发。

◦ 掌握Python编程，熟练使用LangChain、 LlamaIndex等大模型开发框架，熟悉向量数据库（Milvus、Chroma）、知识库构建工具（如Apache Solr）的部署与调优。

◦ 了解大模型部署优化技术（如模型量化、推理加速、服务化封装），有边缘端大模型部署（如矿山边缘计算节点）经验者优先。

2. 矿山行业认知与场景适配能力

◦ 了解矿山核心业务流程（如井下掘进、采煤、运输，露天矿爆破、剥离、运输），熟悉矿山关键要素（如矿用设备术语、安全规程条款、生产调度逻辑），能将行业知识转化为大模型应用需求。

◦ 有矿山信息化/智能化项目经验者优先（如参与过矿山MES系统、设备运维平台、安全监控系统开发），能理解矿山数据特点（多源异构、高噪声、强安全约束）。

3. 工程落地与问题解决能力

◦ 具备大模型应用系统工程化落地经验，能处理矿山复杂环境下的技术问题（如边缘节点算力有限导致的模型推理延迟、矿山网络不稳定下的RAG检索可靠性）。

◦ 熟悉API接口开发与系统集成，能对接矿山现有硬件（如井下防爆终端、调度大屏）与软件系统（如SCADA、人员定位系统），输出可落地的集成方案。

4. 协作与沟通能力

◦ 能与矿山一线人员（矿工、班组长、调度员）深度沟通，将业务痛点转化为技术需求，输出通俗易懂的大模型应用操作手册。

◦ 具备跨团队协作能力，与算法团队协同优化模型效果，与硬件团队配合解决边缘部署问题。