高薪工作機會

工作內容：飛宏科技深耕電源產品50多年，為全球十大頂尖的電源供應器供應商之一 我們正在尋找外向、主動積極的你，加入我們團隊！ 【職務說明】 1. 研發無線充電 Desktop/Mobile/Drones/Robot/Vehicle等消費性電子產品 2. 協助業務提供Proposal開拓新市場 3. 協助解決生產過程中的技術問題，與工廠協同修改測試方法及技術，共同解決生產中的問題，提高產品品質和生產效率 【幸福飛宏】 ◆ 我們提供具競爭力的獎酬制度以及完善的福利項目 ◆ 把員工視為最重要的資產，注重人才培訓，擁有完整教育訓練體系

工作內容：1.開發並維護SuperAPP平台功能模組，確保高效與穩定的代碼品質 2.協助進行需求分析，提出技術實現方案 3.持續優化產品性能，提升用戶體驗 4.配合測試團隊進行錯誤修復與功能驗證 5.定期參與代碼審查，分享技術經驗

工作內容：1.Device App 設計/開發 2.Apple intelligence 應用設計/開發 3.Google Edge AI 應用設計/開發 4.App IM系統設計/開發 5.整合分析與用戶行為追蹤 6.敏捷開發與持續整合/持續佈署(CI/CD)

工作內容：1. 網站與軟體開發： 1.1 熟悉應用GenAI相關技術開發（如 LLM檢索增強生成、語音識別、圖片生成、影音生成）進行應用開發 1.2.規劃並實現高效穩定的網站與系統，整合前後端、API、設計 1.3.參與前後端開發，整合各種創新技術（如GenAI、3D、VR）的應用 2.資料庫開發與管理： 2.1.設計、優化與維護資料庫架構，確保數據處理效能與穩定性 2.2.根據業務需求規劃資料模型，進行數據分析與報表生成 3.專案管理與系統規劃： 3.1.制定專案計畫，管理範疇、時程、資源及風險，確保目標按時達成 3.2.與客戶或內部用戶訪談需求，轉化為技術可行方案並撰寫規格文件 3.3.分析系統架構，規劃功能設計與雲端架構部署，確保效能、安全性與穩定性 4.跨部門協作與技術支持： 4.1.與團隊合作完成需求分析與技術評估，提出可行性建議 4.2.解決開發技術問題，制定測試計畫，驗證系統功能與效能達成需求 5.技術創新與研究： 5.1.掌握最新技術趨勢，研究GenAI、3D、VR等領域，提出創新解決方案 5.2.積極探索與實現創新技術應用於業務與產品開發中

工作內容：1.參與 ESG 業務系統的後端模塊設計與開發，基於 Jeecg 框架進行快速應用構建； 2.負責業務模塊的接口設計、資料處理邏輯、權限控制與日誌管理； 3.與前端開發協作完成基於 Vue2/Vue3 的業務功能整合； 4.負責系統的 Redis 緩存策略設計與效能優化； 5.配合部署與測試團隊完成容器化部署（Docker/K8s）； 6.參與資料庫設計與維護，對接 SQL Server / MySQL。

工作內容：一、GenAI 應用設計與開發 規劃並帶領團隊設計創新的 GenAI 應用，涵蓋以下核心場景： 　- 內容生成：自動撰寫文案、產生程式碼、翻譯語言、生成音樂與影片等 　- 數據分析：從海量資料中提取洞見，實作預測模型、生成動態報表 　- 智慧客服：建構 AI 聊天機器人、推薦系統、自動回覆模組 　- 教育科技：開發互動式學習工具、自適應學習平台、自動批改系統 根據應用需求選擇合適的 GenAI 模型（如 GPT-4、Gemini、Claude），並進行微調與最佳化 運用相關開發框架與工具（如 LangChain、Python、TensorFlow）實作應用 領導 GenAI 系統與企業內部平台的整合與佈署 二、跨部門協作與技術溝通 與產品經理、UI/UX 設計師、資料科學家、IT 團隊等協作，推動專案開發進度與品質 能以業務導向思維，向非技術團隊清楚說明 GenAI 應用的原理、效益與限制 擔任團隊與高階管理層之間的技術橋樑，提出具可行性的技術建議與決策支持 三、技術研究與知識傳承 持續追蹤全球 GenAI 技術發展趨勢、主流模型演進（如 GPT、Claude、Mistral 等）與最佳實務 深入研究模型訓練、推論效率、提示工程、RAG 等核心技術 推動團隊內部技術分享、建立知識庫、鼓勵參與技術社群與研討活動 四、團隊領導與品質管理 建立技術標準與開發流程，確保 GenAI 應用的穩定性、可維護性與可擴展性 帶領團隊撰寫高品質技術文件與 API 文件 指導應用測試與部署流程，主導關鍵問題除錯與技術瓶頸排解

工作內容：一、GenAI 平台互動功能開發 建置使用者與 GenAI 模型互動的介面與流程，支援多種輸入／輸出形式（如文字輸入、語音輸入、動態輸出展示等） 設計直覺易用的操作介面，提升使用者體驗與互動效率 二、平台效能優化 優化前端載入速度與後端響應時間，確保平台運作流暢 改善資源使用效率，提升系統穩定性與擴展性 三、前後端整合與部署自動化 負責平台的前後端功能串接，確保資料流與功能邏輯正確無誤 建置 CI/CD 流程（如 Jenkins、GitLab CI），自動化部署、版本更新與測試流程 應用容器化技術（如 Docker、Kubernetes），提升平台部署與維運效率 四、系統監控與問題追蹤 整合監控與日誌系統（如 Prometheus、Grafana、ELK Stack），確保平台運作狀態可視化 主動偵測與分析潛在問題，協助除錯與系統調校 五、跨部門協作 與後端工程師、AI 模型開發團隊、產品設計師密切合作，協同推進 GenAI 平台產品化進程 參與使用者回饋分析與改善迭代，持續優化產品體驗與系統架構

工作內容：一、GenAI 平台功能開發 開發並實現使用者與 GenAI 模型互動的功能，例如：文字輸入、語音輸入、輸出呈現等介面模組 設計並優化 GenAI 平台介面，提升操作直覺性與整體使用者體驗 整合前後端功能，確保模型回應與平台前端互動流程順暢 二、效能優化與平台維運 優化平台的載入速度與回應效能，確保系統穩定性與高可用性 提升資源使用效率，優化平台在各種環境下的執行效能 建立自動化部署流程，協助平台功能快速迭代與更新（DevOps 支援） 三、開發與運維技術整合 熟悉 CI/CD 流程與工具（如 Jenkins、GitLab CI），協助建構穩定的自動化流程 熟悉容器化與雲端部署技術（如 Docker、Kubernetes），支援平台彈性部署與擴展 理解與應用監控與日誌管理工具（如 Prometheus、Grafana、ELK Stack），進行系統監控與問題追蹤

工作內容：一、設計與開發 RAG 流程（Retrieval-Augmented Generation） 建置 GenAI 應用所需的 RAG 流程，包括： 　- 資料處理：轉換各種格式（如文本、圖像、程式碼）為模型可解析的結構 　- 向量嵌入：將處理後資料轉為向量表示，並儲存於向量資料庫 　- 相似度檢索：根據使用者查詢，在向量資料庫中搜尋最相關的內容 　- 提示強化：將檢索結果整合至 LLM 輸入提示中，提升生成結果品質 　- 結果產生：透過 GenAI 模型生成最終回應 評估並選擇合適的嵌入模型與向量資料庫（如 Pinecone、Milvus），持續優化流程效能與準確性 二、建置與維護向量資料庫 部署並設定向量資料庫系統，依據需求設計資料結構（schema） 開發資料導入、更新、自動化維護相關工具與腳本 監控資料庫效能與資源使用，進行調校與最佳化 三、開發與優化向量嵌入模型 根據應用場景選擇適合的嵌入模型 利用工具（如 SentenceTransformers）進行模型訓練與微調 監測模型準確性與表現，進行優化與迭代 四、提升 GenAI 應用準確性與可靠性 利用 RAG 技術降低模型產生幻覺（hallucination）的機率 確保模型生成內容具備事實性、準確性與一致性 建立監控與評估機制，強化系統回應品質 五、跨部門協作與技術溝通 與 GenAI 工程師、資料科學家、產品團隊密切合作，確保系統設計符合實際需求 以簡潔方式向非技術同仁說明 RAG 與向量技術的核心概念與應用價值 六、技術研究與持續進修 追蹤 RAG 架構、向量資料庫、嵌入技術等相關領域的最新發展 研究新穎的相似度搜尋算法與嵌入技術應用 參與社群活動、技術論壇或研討會，拓展專業視野

工作內容：一、設計與開發 RAG（Retrieval-Augmented Generation）流程 建構高效且可擴充的 RAG 流程，支援 GenAI 應用場景，包括： 　- 資料預處理：將文本、圖像、程式碼等多種格式資料轉換為模型可理解的輸入 　- 向量嵌入：應用向量化技術（如 SentenceTransformers）將資料轉為向量表示，並儲存於向量資料庫 　- 相似度檢索：根據使用者查詢，快速檢索出語意上最相關的資料片段 　- 提示強化：整合檢索結果至 LLM 提示詞中，提升生成內容的準確性與相關性 　- 輸出生成：結合語境與知識基礎，由 GenAI 模型產出高品質內容 　- 評估並選用最適合的向量資料庫與嵌入模型（如 Pinecone、Milvus），確保系統效能與可擴充性 　- 持續優化 RAG 整體流程的精準度、查詢速度與資源效率 二、建構與維運向量資料庫系統 根據業務需求選型向量資料庫，進行環境部署與性能調校 設計合理的資料 schema，並確保資料一致性、完整性與安全性 開發自動化工具與腳本，協助資料的導入、更新、同步與清理 監控資料庫運作情況，持續進行效能優化與問題排查 三、開發與調優向量嵌入模型 根據不同資料類型與應用情境，選擇適用的嵌入技術與模型架構 使用現有工具（如 HuggingFace、SentenceTransformers）訓練或微調向量模型 建立模型效能評估機制，並依據結果進行優化與版本控管 四、提升 GenAI 應用品質 利用 RAG 技術降低幻覺（hallucination）風險，提升回應準確度與可信度 建立內容驗證與監控機制，確保模型輸出符合業務邏輯與事實基礎 持續推動 GenAI 應用可觀測性與品質保證流程 五、跨部門合作與技術溝通 與 GenAI 應用工程師、資料科學家及產品團隊緊密協作，確保資料應用與業務需求對齊 以簡明方式向非技術人員說明 RAG 技術與向量資料庫的運作邏輯與價值，推動跨部門共識與落地 六、技術研究與專業發展 掌握最新的 RAG 框架、向量資料庫技術與嵌入模型演進趨勢 研究前沿的向量搜尋演算法與多模態資料處理技術 積極參與相關研討會、工作坊與開發者社群，拓展技術視野與業界人脈