1. 负责MLOps/LLMOps整体架构方案设计，规划模型全生命周期链路（数据回流→数据清洗与标注→训练/微调→评估→云/边/端部署→监控）的架构蓝图与关键节点衔接机制；统筹各领域业务场景的MLOps流程整合方案，确保工程化架构既能满足通用平台能力要求，适配不同业务领域的差异化诉求；
2. 针对各领域业务场景，设计MLOps流程的业务侧整合方案，包括业务数据回流机制规划、数据清洗与标注流程架构、训练/微调任务与业务迭代节奏的衔接、模型评估体系与业务指标的映射、云边端部署策略与业务场景适配等；通过架构设计推动AI能力与业务流程深度融合，降低各领域接入AI平台的门槛；
3. 解决架构落地中的复杂技术与业务整合问题，重点攻关多领域业务数据回流与标注流程的一致性保障、云边端协同部署的架构统筹、多模型并行服务与资源动态分配的架构支撑、业务侧监控与平台侧运维的联动机制等关键难题；
4. 跟踪AI工程化与MLOps/LLMOps架构演进趋势，评估并引入前沿架构方案（如数据回流闭环架构、云边端一体化部署架构、模型持续学习与迭代架构等），持续优化架构设计与技术选型，推动工程化架构能力迭代升级；
5. 推进AI工程化架构关键方案在业务场景中的示范应用，形成可复制推广的MLOps/LLMOps业务侧整合架构解决方案。

1. 计算机、软件工程等相关专业硕士及以上学历，7年以上平台架构或AI工程化领域工作经验，其中至少3年MLOps/LLMOps架构设计经验，有跨领域业务场景的AI工程化架构方案交付落地经历。
2. 深刻理解模型全生命周期各环节（数据回流、清洗标注、训练微调、评估、云边端部署、监控）的架构关联与衔接机制，精通从整体蓝图到节点细化的分层架构设计方法，统筹通用平台能力与业务差异化需求的架构平衡
3. 熟悉各行业AI应用场景的业务流程与数据特征，能将业务侧的数据流转、迭代节奏、部署诉求等映射到MLOps流程架构中，设计数据回流机制、清洗标注流程、训练评估衔接、云边端部署策略等业务侧整合方案，推动AI能力与业务流程深度融合。
4. 精通云、边、端协同部署架构设计，熟悉模型分层部署策略（云端推理/边端轻量化/端侧离线）与资源分配机制，能根据业务场景的延迟、带宽、算力约束设计适配的部署架构，统筹多模型并行服务与弹性扩缩容的架构支撑。
5. 持续关注MLOps/LLMOps与AI工程化前沿架构方向（如数据回流闭环架构、持续学习与迭代架构、边端智能架构等），能评估新架构方案的适用性与落地路径，推动工程化架构的持续演进。
6. 极强的架构抽象与系统思维，能将多领域业务诉求统一抽象为可扩展的架构方案；优秀的架构文档撰写习惯，能用清晰的架构蓝图固化设计；出色的跨团队推动能力，能协调算法、工程、运维及各业务团队将架构方案高效落地

青岛市 海尔生态园