AI Engineer
把模型接入能上线的软件。工作包括选择模型、接入业务数据和工具、用评测集追踪回答质量,以及监控成本和延迟。求职时留意岗位侧重应用交付、机器学习平台还是模型训练,这三类岗位的要求差别很大。
把模型接入能上线的软件。工作包括选择模型、接入业务数据和工具、用评测集追踪回答质量,以及监控成本和延迟。求职时留意岗位侧重应用交付、机器学习平台还是模型训练,这三类岗位的要求差别很大。
在澳洲招聘网站上常见的英文职位名:Applied AI Engineer、Generative AI Engineer。招聘原文反复出现的核心技能:LLM、RAG、AI Agent、Prompt Engineering、模型评估、系统设计。
本页不给薪资数字。比较薪资时,对照同一城市、职级和雇佣类型的近期招聘广告,分别记录基本工资、super 和奖金。
打开课程查看完整大纲和报名信息。
逐条对照岗位要求,选择「我有」「还没有」或「不确定」,查看你还需要补哪些能力。
先勾一条要求,这里会列出你缺什么、对应页面上转型路径的哪一步。
现在的结果只来自你自己的勾选。补一份材料,依据会升级:
依据升级为:来自简历
依据升级为:简历 × 岗位原文
依据升级为:测出来的
要动手做的作品和项目,在 CareerOS 桌面版完成。了解 CareerOS 桌面版
认为 AI Engineer 只需要会调 API,不需要理解底层原理
理解模型上下文、输出不确定性和工具调用边界,才能解释线上错误并设计可重复的验证。
只会做 demo,不关心生产环境的稳定性、成本和评测
项目上线前记录质量、延迟和成本基线,部署后监控变化,并准备回退路径。
只精通一个方向(如只会 RAG),不了解其他 AI 工程技能
AI Engineer 是复合角色——Prompt + RAG + Agent + 评测 + 部署都要掌握,才能独立交付完整系统
忽视传统软件工程基础,只追新框架和新模型
扎实的后端工程能力(API 设计、数据库、Docker/K8s、CI/CD、测试)是 AI 系统可靠运行的根基
不关注垂直领域知识,觉得"通用 AI 技能"就够了
用目标行业的数据和工作流程设计评测,同时考虑权限、业务规则和误判成本。
只比较模型调用价格,忽略检索、工具调用和重试的成本
以完成一项任务的总成本比较方案,并记录缓存命中、额外调用和失败后的回退。
不用 AI Coding 工具,觉得手写代码才是"真正的工程师"
把 AI 编程工具纳入代码审查流程,并用测试结果评估改动质量。
课程安排、费用和开班时间以课程页为准。
开始学习 AI 工程师 所需的核心技能
开始学习 →