1. 工业知识库构建与优化：主导基于 RAG（检索增强生成）技术的企业级工业知识库搭建，负责设备维修手册、技术文档等多源非结构化数据的清洗、结构化处理与向量化转化，构建高可用的向量数据库，保障知识库内容的准确性与检索效率。

2. 大模型应用开发：基于 Llama 3、Qwen 等开源大模型，结合 Prompt 工程、模型微调等技术，研发 “AI 维修顾问” 等智能助手，优化模型对售后维修问题的理解与应答能力，确保回答的精准性、专业性和实用性。

3. 全栈原型开发与落地：具备快速 MVP（最小可行产品）开发能力，熟练运用 Streamlit、Gradio、FastAPI 等工具，完成算法模型的工程化封装，开发可视化 Web 应用 / 轻量级小程序，支撑内部测试与业务场景验证，推动 AI 方案快速落地。

4. 技术迭代与问题排查：跟踪大模型、RAG 技术的前沿进展，持续优化知识库检索策略、模型调优方案；负责 AI 应用的日常维护，排查并解决模型推理、数据处理、应用部署过程中的技术问题。

1. 计算机科学、软件工程、人工智能、数据科学等相关专业本科及以上学历。

2. 2 年及以上 Python 全栈开发经验，精通 NLP（自然语言处理）核心技术（如文本分词、向量化、语义理解），熟悉大模型应用开发流程。

3. 具备 RAG 技术实战经验，熟练使用 LangChain、LlamaIndex 等框架搭建检索增强生成系统；精通至少一种向量数据库（Milvus/Chroma/Faiss）的部署、调优与运维。

4. 具备工程化思维与落地能力：能够独立完成 AI 模型的后端接口开发（FastAPI/Flask），并结合前端工具实现 Demo 的全流程开发、演示与交付。

5. 具备良好的问题分析与解决能力，能够快速定位并解决数据处理、模型推理、应用部署中的技术问题。