AI應用工程師

主要工作內容
1. AI 應用調校：調整回覆品質、定義任務邊界、評估模型行為，並以評估指標（準確率、幻覺率、latency、成本）驗證最佳化成效。
2. RAG 模組開發：資料清洗、Embedding、索引分析、制定檢索策略。
3. 後端開發：商業邏輯實作、Agent Tools 開發、資料整合、API 設計、LLM 服務串接。
4. 資料庫管理：向量資料庫維運與效能優化。
5. 追蹤與監控：觀測服務及自動化流程的運作狀態，掌握前述評估指標並適時調整。
6. 跨部門協作：與需求單位溝通，將需求轉化為可落地的 AI 解決方案。

必備條件

• 具備 2 年以上的後端系統開發經驗，並熟悉 C#、Java、Python 任一程式語言。
• 熟悉 RESTful API、物件導向設計、單元測試。
• 具備 SQL 與資料處理能力。
• 具備 Linux 基本操作能力。
• 熟悉 Git 版本控制與 Docker 概念。
• 具備 LLM 雲端 API（OpenAI、Gemini、Anthropic 任一）串接經驗，或基本 Prompt Engineering 概念。

加分項目

• 了解 LLM 運作原理，並有部署企業內部 LLM 的實務經驗。
• 具備 1 年以上的 Agentic AI 應用開發經驗，包含 Prompt / Context Engineering、Tool Calls、Multi-Agent 相關的實作。
• 具備 RAG 實務應用，與 Chunking、Embedding、Hybrid Search 的優化經驗。
• 具備向量資料庫（如 pgvector、Milvus、Qdrant）實務維運經驗。
• 熟悉遙測概念與工具（如 OpenTelemetry、SigNoz 等）。
• 具備前後端分離架構的協作經驗。

期待的人格特質

• 對 AI 相關技術有高度興趣，喜歡嘗試。
• 重視細節與產出品質，能自我要求程式碼的可維護性。
• 面對快速變動的 AI 技術與不確定性，能持續學習並容忍試錯。

為何加入我們

• 站在技術浪潮最前線，第一手接觸大型語言模型（LLM）、檢索增強生成（RAG）、AI Agent 等最新技術。
• 培養AI關鍵職能：企業需要能「將 AI 落地」的整合型人才，這也是當今AI時代的核心能力。