1.對(duì)接產(chǎn)品經(jīng)理 / 業(yè)務(wù)方，深入理解業(yè)務(wù)場(chǎng)景（如企業(yè)知識(shí)庫(kù)問(wèn)答、智能客服輔助、法律 / 醫(yī)療文檔檢索、多輪對(duì)話系統(tǒng)）的核心需求，拆解為可落地的技術(shù)指標(biāo)（如檢索準(zhǔn)確率、響應(yīng)延遲、生成相關(guān)性、并發(fā)量）。結(jié)合業(yè)務(wù)場(chǎng)景特性，設(shè)計(jì)RAG 系統(tǒng)方案。
2.負(fù)責(zé)向量數(shù)據(jù)庫(kù)（Milvus、Pinecone、Chroma、PostgreSQL pgvector）的部署、調(diào)優(yōu)與運(yùn)維，包括索引構(gòu)建、分片策略設(shè)計(jì)、數(shù)據(jù)同步與更新機(jī)制實(shí)現(xiàn)。
3.集成主流大模型（GPT 系列、Claude、Llama 3、Qwen、通義千問(wèn)等），實(shí)現(xiàn) API 調(diào)用 / 本地化部署，處理模型調(diào)用的超時(shí)、重試、限流等異常場(chǎng)景。
4.設(shè)計(jì)高質(zhì)量 Prompt 模板，優(yōu)化 “檢索結(jié)果→上下文注入→生成響應(yīng)” 的鏈路邏輯。
5.實(shí)現(xiàn)檢索結(jié)果與大模型的高效融合，確保生成內(nèi)容嚴(yán)格基于檢索到的權(quán)威信息，避免 “幻覺(jué)”。
6.開(kāi)發(fā)多輪對(duì)話支持能力，維護(hù)對(duì)話上下文狀態(tài)，實(shí)現(xiàn) “歷史對(duì)話→當(dāng)前查詢→精準(zhǔn)檢索→生成響應(yīng)” 的閉環(huán)。
任職要求：
1.計(jì)算機(jī)相關(guān)專業(yè)本科以上學(xué)歷，3年以上工作經(jīng)驗(yàn)。
2.精通Python，熟練使用PyTorch/TensorFlow（模型微調(diào)）、LangChain/LlamaIndex（RAG框架）、Hugging Face Transformers（模型調(diào)用）等核心工具庫(kù)；
3.深入理解向量檢索相關(guān)算法（如FAISS、HNSW、IVF_FLAT等）的原理與適用場(chǎng)景；掌握字符串匹配、排序、過(guò)濾等基礎(chǔ)算法，用于檢索結(jié)果優(yōu)化與數(shù)據(jù)清洗。
4.具備文檔解析（PDF、Word、Markdown等多格式）、文本分割（語(yǔ)義分割、滑動(dòng)窗口分割等策略）、去重去噪等預(yù)處理能力；熟練掌握文本向量化技術(shù)，了解不同嵌入模型（如BERT、Sentence-BERT、GPT-4 Embedding）的特性與選型邏輯，能根據(jù)文檔類型優(yōu)化向量化效果。
5.能獨(dú)立設(shè)計(jì)檢索架構(gòu)（單階段檢索、多階段檢索如“召回+重排”）；掌握檢索策略調(diào)優(yōu)方法，如查詢改寫(xiě)（同義詞替換、意圖識(shí)別）、相關(guān)性排序（基于BM25、向量相似度、混合排序）、檢索閾值設(shè)定等；具備檢索效果評(píng)估能力，能通過(guò)MRR、Recall@k等指標(biāo)量化優(yōu)化效果。
6.理解RAG的核心邏輯，能優(yōu)化“檢索結(jié)果篩選與整合→上下文注入→生成響應(yīng)”的全鏈路流程；具備解決融合過(guò)程中關(guān)鍵問(wèn)題的能力，如上下文窗口溢出處理、無(wú)關(guān)檢索結(jié)果過(guò)濾、多輪對(duì)話中的檢索狀態(tài)維護(hù)等。