AI安全核心模块研发：参与新一代智能SOC中AI算法模块的研发工作，负责安全日志分析、威胁情报提取、钓鱼邮件识别等场景下的小模型（SLM）训练与大模型（LLM）Prompt/RAG链路构建。 Agentic流程落地：深入理解安全运营（SecOps）诉求，使用最新的Agentic理念和框架，编写高质量的工具调用（Tool Calling / Function Calling）接口，搭建告警分诊（Triage）和溯源分析的智能体。 攻防工具链赋能：参与AI在漏洞挖掘和渗透测试中的探索性工作。利用大模型辅助编写和生成Fuzzing Harness代码，提升传统漏洞挖掘工具的代码覆盖率；探索并实现渗透测试工具的智能化封装。 模型工程与优化：参与领域内大模型的微调（SFT）和数据清洗工程，构建高质量的安全语料库；协助完成AI模型的线上部署、性能压测和推理加速工作。 前沿技术跟进：保持对开源AI社区（HuggingFace, GitHub等）的极高敏锐度，快速评测最新的AI工具库、开源模型和技术方案，并形成业务转化。

学历与经验：计算机、数学或相关专业本科及以上学历，3年以上算法与工程开发经验。 坚实的传统机器学习基础：除了深度学习，需熟练掌握常用经典机器学习算法的底层原理，熟练使用Scikit-Learn, LightGBM, XGBoost等工具库。有实际的异常检测、时间序列挖掘及模型调优的工程化落地经验。 大模型与前沿AI能力：熟悉主流的生成式大模型架构与微调机制；熟悉现有的各类AI应用工具和开发范式，有实际使用LangChain/LlamaIndex等框架搭建RAG或Agent系统的开发经验。 工程能力过硬：极强的动手能力和Coding能力，熟练使用Python（熟悉C/C++或Go更佳）；能写出高质量、易维护、高并发的工程代码，熟悉基于Docker/K8s的模型部署，对FastAPI等各类服务框架有具体的实践落地。 拥抱变化与挑战：面对AI重构传统业务的挑战，有自我驱动力，具备极强的快速学习能力和解决实际业务痛点的热情。