1.面向工业生产业务场景（如设备维保、智能运维、知识管理、决策支持、流程自动化等），运用数据处理技能进行相关文本、结构化及非结构化数据的收集、整理与准备。
2.负责大语言模型（LLM）的应用开发，包括但不限于提示词（Prompt）工程的设计、优化与测试，以有效激发模型潜能解决实际问题。
3.设计、开发与优化检索增强生成（RAG）系统，构建高效的信息检索与知识融合解决方案，提升LLM回答的准确性和可信度。
4.开发基于LLM的智能体（AI Agent）框架与应用，实现任务分解、工具调用、记忆管理、多步推理等能力。
5.探索、应用及开发MCP相关技术。
6.构建和维护企业知识图谱，利用图数据库（如Neo4j等）进行知识的建模、存储、查询与推理。
7.研究、跟踪LLM领域前沿技术（如Agent框架、模型微调、评估方法等），持续优化现有应用架构和模型表现，满足不断演进的业务需求。
8.深入理解业务需求，分析相关数据，设计并交付基于LLM、RAG、Agent和知识图谱的端到端AI解决方案。
职位要求：
1.硕士及以上学历，计算机科学、人工智能、软件工程、自然语言处理、数据科学等相关专业优先；或对该领域有深厚兴趣且具备突出项目经验。
2.具备良好的英语水平（CET-6或相当等级及以上），能够流畅阅读英文技术文献和文档。
3.深入理解大语言模型（LLM） 原理、应用场景及局限性（如GPT系列、Claude、LLaMA等）。
4.精通提示词（Prompt）工程，掌握多种提示设计技巧并能系统性评估和优化提示效果。
5.熟练掌握检索增强生成（RAG） 技术栈，包括但不限于文本嵌入（Embedding）、向量数据库（如Milvus, Pinecone, FAISS, Chroma等）、检索算法、结果融合策略。
6.具备AI Agent开发经验或能力，熟悉主流Agent框架（如LangChain, LlamaIndex, AutoGen等）或具备自研Agent核心组件（规划、记忆、工具使用）的能力。
7.熟悉知识图谱构建与应用，包括本体建模、知识抽取、关系推理，并有实际图数据库（Neo4j等）使用经验。
8.精通Python编程语言，有扎实的工程能力和良好的代码规范；熟悉常用的数据处理、机器学习库（如NumPy, Pandas, Scikit-learn）及深度学习框架（PyTorch/TensorFlow）。
9.有以下经验者优先考虑：
实际部署和优化LLM应用（微调、量化、部署、监控）的经验。
构建复杂企业级知识图谱或智能问答系统的经验。
在智能客服、知识管理、智能决策、自动化流程等场景应用LLM/RAG/Agent的经验。
熟悉LLM评估方法、Agent仿真测试或RAG评估指标。