岗位职责： （聚焦 “病理 AI 工程化落地”，关注病理场景的工程化约束， 不涉及医学需求的算法设计) 1 工程化路线规划：结合病理软件部署场景，制定算法模型工程化路线图；评估工程化成本与性能收益，优先保障核心场景需求。 2 模型部署与引擎开发：主导病理 AI 模型的工程化实现，输出可落地的病理AI推理引擎（含接口）；封装模型推理接口，明确“图像输入 - 推理结果输出”的协议，确保与业务系统高效对接。 3 引擎性能优化与监控：优化引擎运行效率，包括计算资源调度、内存管理、并发处理；建立引擎监控体系，实时跟踪核心指标；制定引擎容灾方案。 4 合规与文档管理：将合规需求转化为可落地的工程化技术方案，确保合规从“需求端”嵌入“引擎工程化实现”；向产品经理反馈工程化层面的合规可行性风险：在日志、权限控制、加密等方面将合规需求在引擎层面落地实施；梳理编写合规功能以及研发全流程文档，参与内外部合规检查验收。 5 跨团队协同与技术支持：对接算法研发负责人，明确模型工程化适配要求，反馈模型在工程化中暴露的问题；对接业务系统研发团队，提供引擎接口使用文档、调试工具，协助解决业务系统调用引擎的问题；对接病理科技术团队，了解设备使用习惯、临床效率需求，提升临床适配性。

岗位要求： （核心是 “医疗AI工程化硬技能+病理技术场景认知和适配”，弱化病理医学知识，强调 “病理场景对工程化约束的认知”） 1 AI工程化技术能力：3年以上 AI 模型工程化经验，曾主导过AI 引擎从开发到量产的全流程；精通医疗 AI工程化技术栈，熟练掌握模型压缩、推理加速、序列化，能平衡 “精度” 与 “工程化性能”；理解医疗合规需求的技术本质，熟悉医疗软件工程化合规标准，掌握合规相关的工程化技术栈。 2 病理场景对工程化约束的认知：无需深入病理知识，但要掌握病理场景中“直接影响工程化方案设计”的特性（病理数据 / 图像的工程化特性、病理设备的工程化适配要求、病理场景的工程化性能约束），针对病理模型特性调整优化策略，而非生搬通用方案。 3 系统设计与性能优化能力：具备分布式架构设计经验（容器化部署，高并发、高可用、负载均衡、容灾备份、弹性扩容）；掌握监控与告警技术（监控体系、自动化告警、故障恢复）；具备复杂场景下性能调优经验，通过硬件资源调度、算法工程化优化将推理延迟控制在临床可接受范围。 4 病理 AI 工程化实战经验（plus）：非必需，但可显著提升病理场景适配效率。有病理 AI 引擎落地经验，熟悉病理场景特有的工程化 “坑点”，能快速规避研发弯路；曾主导病理 AI 引擎的临床部署，了解医院内网环境限制，能设计轻量化部署方案。 5 协同与问题解决能力：能与算法团队高效配合，理解算法模型的技术细节，并转化为工程化方案；能与业务系统高效配合，同步业务系统对引擎的需求变更，快速定位 “引擎 - 业务系统” 协同问题。