岗位职责：

1. 设计并实现基于 LLM 的对话能力模块，支持多轮上下文、函数调用、工具使用等功能；

2. 搭建 RAG 流程，集成向量数据库（如 FAISS、Qdrant），实现用户个人知识库的检索增强；

3. 设计用户长短期记忆系统，提取和管理对话中的关键信息，提高智能体对用户的理解能力；

4. 构建 Agent 框架，实现对日程、待办、文件生成等外部工具的智能调度；

5. 封装与主流大模型的接口（如 OpenAI、Claude、Gemini、本地模型），实现弹性策略；

6. 负责提示词工程（Prompt Engineering）与轻量级微调（如 LoRA / Prompt Tuning），提升模型在具体场景下的表现力与准确性；

7. 持续优化提示结构，提高模型稳定性与执行准确性；

8. 与后端工程师协同，确保数据流通顺畅、服务响应及时。

任职要求：

技术能力：

· 熟悉主流大语言模型的使用（如 OpenAI GPT、Claude、Gemini、LLama 2/3 等）；

· 掌握 RAG 技术实现流程，熟悉 LangChain、LlamaIndex 等框架；

· 有向量数据库（如 FAISS、Qdrant、Pinecone）实战经验；

· 理解 Function Calling、Tool Use、Memory、Prompt 构建策略；

· 熟悉 Prompt Engineering 和模型微调方法（如 PEFT、LoRA、QLoRA）；

· 熟悉 Python 编程，具备良好的工程实现能力；

· 有多轮对话系统、智能问答系统、个人知识管理类项目经验优先；

· 熟悉 Agent 架构或具备 Auto-GPT、CrewAI、LangGraph 等使用经验者优先。

加分项：

· 熟悉本地部署模型（如 Ollama、vLLM、LM Studio）；

· 了解基本的 DevOps / MLops 工具链。