一、职位亮点
1、前沿实践：直接参与大模型（LLM）在医疗行业的落地应用，积累实战经验。
2、核心技术：全面学习和实践 RAG (检索增强生成)、工作流编排、Elasticsearch/向量数
据库等核心技术。
3、垂直深耕：深度接触智能 GCP 管理、受试者招募、医保监管、药品辅助审评等高价值
医疗业务场景。
4、导师制度：由资深工程师和团队负责人进行一对一指导。
二、岗位职责
1、参与 LLM 应用开发
1）在高级工程师的指导下，参与基于大模型的新产品和新功能的设计、编码和测试工作。
2）负责实现和优化 RAG（检索增强生成）系统的特定模块，提升知识检索效率和准确性。
3）参与大模型工作流 (Workflow) 的实现和维护，确保业务流程的顺畅执行。
4）协助进行数据预处理、模型评估和部署工作，保障系统的稳定性和性能。
2、技术研究与学习
1）学习和掌握 Elasticsearch (ES)或向量数据库的使用与维护，负责相关数据的索引和查
询。
2）积极跟进最新的大模型技术和工具链，并将其应用于日常开发任务中。
3、协助团队进行代码审查和文档编写。
任职要求
1、核心能力与背景
教育背景：计算机、软件工程、人工智能等相关专业本科及以上学历，国内/外知名院校优
先。
2、专业基础：
1）扎实的计算机科学基础，精通至少一种主流编程语言（如 Python），具备良好的编码
规范和习惯。
2）对大模型（LLM）的机制、应用场景、Prompt Engineering 有基本了解和浓厚兴趣。
3）了解 RAG（检索增强生成）、工作流和信息检索的基本原理。
3、学习与潜力：
1）极强的主动学习能力和技术探索精神，能够快速适应新技术栈。
2）具备良好的逻辑分析能力和解决问题的能力。
4、优先条件 (加分项)，我们优先考虑具备以下经验或知识背景的候选人：
1）行业兴趣：对医疗大数据、医疗人工智能、生物医药、生命科学等垂直领域有强烈的兴
趣或项目经验。
2）技术项目经验：在校期间有基于 LLM、RAG、或使用 LangChain/LlamaIndex 等框架
的实际项目经验。有使用过 Elasticsearch (ES) 或向量数据库（如 Milvus、Weaviate）
项目实践经验。
3）行业知识储备：对医保控费规范、DRG/DIP、eCTD、医疗器械审评或 GCP 管理规范
等任一领域有过初步的调研或学习。有活跃的 GitHub 开源项目贡献或参与过相关技术竞赛。

二、岗位职责

1、技术设计与开发

1）负责公司大模型应用（如智能 GCP 管理、辅助审评系统等）的架构设计、技术选型和

核心模块开发。

2）主导基于 RAG（Retrieval-Augmented Generation）技术栈的实现与优化，确保模型

输出的准确性和时效性。

3）设计和实现复杂的大模型工作流 (Workflow) 编排，利用 Agent 和工具调用提升应用

场景的覆盖率和自动化水平。

4）负责集成和优化 Elasticsearch (ES) 或其他向量数据库/搜索引擎，实现高效、低延迟

的知识检索和数据索引。

持续跟踪和研究最新的大模型技术趋势和开源工具链，并将其落地到产品中。

2、团队管理与指导1）作为团队技术负责人，指导和培养团队成员，确保代码质量和开发效率。

2）负责制定项目的技术路线图、开发计划和资源分配。

3）与产品、业务团队紧密合作，将需求转化为可落地的技术解决方案。

三、任职要求

1、核心技能与经验

1）教育背景：计算机、软件工程、人工智能等相关专业本科及以上学历，国内外知名院校

优先。

2）工作年限：具备 2 年及以上全职软件开发或 AI 工程经验，其中至少 1 年专注于大模型

应用开发。

2、硬核技术：

1）精通至少一种主流编程语言（如 python 等），具备扎实的计算机科学基础。

2）具备 RAG（检索增强生成）相关系统的设计、实现和性能调优经验，熟悉相关框架（如

LangChain, LlamaIndex）。

3）熟悉工作流/任务编排工具或理念，能设计和实现复杂的 Agent 工作流。

4）熟练使用和管理 Elasticsearch (ES) 或向量数据库，进行高效的知识检索和数据索引。

3、领导力与软技能

1）具备团队领导或技术指导经验，能够独立带领项目小组完成高难度技术攻关。

2）优秀的沟通协调能力和问题解决能力。

4、优先条件 (加分项)

1）垂直领域经验：曾在医疗大数据、医疗人工智能、生物医药、生命科学、医药研发（如

CRO/SMO）等企业或相关部门工作。2）审评与合规知识：对以下任一领域有实际系统开发经验或深入的业务理解：

3）电子通用技术文档（eCTD）或医疗器械审评系统。

4）医保控费规范、DRG/DIP 相关系统的设计与实施。

5）GCP 管理规范、药物审评流程、临床试验流程等。

6）有处理和清洗医疗文本数据（如病历、临床试验报告、医学文献）的经验。

7）有从零到一构建过高并发、高可用的大模型应用系统经验。