AI 應(yīng)用落地: 基于 LLM(GPT-4, Claude, Llama 3 等)及相關(guān)技術(shù)棧(LangChain, LlamaIndex),設(shè)計并開發(fā)高質(zhì)量的 AI 應(yīng)用后端及業(yè)務(wù)邏輯。
RAG 系統(tǒng)構(gòu)建: 負(fù)責(zé) RAG(檢索增強(qiáng)生成)系統(tǒng)的搭建與優(yōu)化,包括數(shù)據(jù)清洗、向量數(shù)據(jù)庫選型與調(diào)優(yōu)(Milvus/Pinecone/Weaviate)、檢索策略優(yōu)化,解決模型幻覺問題。
Prompt 工程與調(diào)優(yōu): 編寫和優(yōu)化復(fù)雜的 Prompt,設(shè)計 Agent 決策流程,提升模型在特定業(yè)務(wù)場景下的準(zhǔn)確率和穩(wěn)定性。
工程化開發(fā): 負(fù)責(zé) AI 服務(wù)的 API 接口開發(fā)(Python/FastAPI/Flask)、性能優(yōu)化、以及容器化部署(Docker/K8s)。
前沿探索: 持續(xù)跟蹤 AI 領(lǐng)域最新技術(shù)(如 Multi-Agent, Long Context, CoT 等),并將其快速轉(zhuǎn)化為產(chǎn)品競爭力。
任職要求:
基礎(chǔ)素質(zhì): 計算機(jī)相關(guān)專業(yè)本科及以上學(xué)歷,具有扎實(shí)的編程功底,精通 Python(必備),熟悉 Golang 或 Java 者加分。
AI 開發(fā)經(jīng)驗(yàn): 有實(shí)際的大模型應(yīng)用開發(fā)經(jīng)驗(yàn),熟悉 LangChain / AutoGPT / LlamaIndex 等主流框架。
RAG 經(jīng)驗(yàn): 理解 Vector Embedding 原理,熟悉至少一種向量數(shù)據(jù)庫,有處理長文本、多模態(tài)數(shù)據(jù)的經(jīng)驗(yàn)。
模型認(rèn)知: 熟悉常見 LLM 的 API 調(diào)用(OpenAI, Anthropic, Azure)及開源模型部署(HuggingFace, vLLM)。
軟技能: 具備極強(qiáng)的學(xué)習(xí)能力和技術(shù)敏感度,能夠閱讀英文論文并快速復(fù)現(xiàn) demo。