AI 算法工程师（agent 开发方向）
（一）中医垂类大模型微调：让 agent “懂中医”
1. 基础模型选型：基于安顿天回大模型作为基线模型，该模型已具备基础医疗知识理解能力，需针对中医 “辨证论治” 核心逻辑进行专项优化；语音模型基于科大讯飞；
2. 微调数据构建：基于安顿现有的医案等数据，形成高质量微调数据集；
3. 微调技术路径：采用 “LoRA 轻量化微调” 方案，针对中医术语（如 “气滞血瘀”“痰湿内阻”）、证候 - 方剂关联（如 “风热感冒 - 银翘散”）等核心知识，冻结模型基础参数，仅训练低秩适应矩阵，在保证微调效果的同时，将模型训练时间缩短 ，推理速度提升；
（二）知识图谱 - 模型融合：让 agent“答得准、能溯源”
1. 融合架构设计：采用 “检索增强生成（RAG）” 模式，将中医知识图谱作为 “外部知识库”，agent 在生成回答前，先通过关键词检索知识图谱获取权威依据（如用户问 “失眠怎么治”，先检索图谱中 “失眠” 对应的证候、治法、方剂），再结合大模型生成逻辑连贯的回答；
2. 检索优化技术：开发 “中医术语模糊匹配算法”，解决用户提问中的表述差异问题（如用户说 “睡不着觉”，能匹配到图谱中的 “失眠”），同时引入 “证候相似度计算模型”，当用户描述症状不完整时（如 “口干、手心热”），能精准匹配最可能的证候（如 “阴虚”）；
3. 溯源功能实现：在回答中嵌入 “知识来源标签”（如 “本建议基于《中医基础理论》中‘阴虚则内热’理论及‘六味地黄丸’经典方剂”），点击标签可展示知识图谱中对应的实体关系，增强用户信任度；
（三）多轮对话管理：让 agent“聊得久、接得住”
1. 意图识别模块：开发 “中医场景意图分类模型”，将用户提问分为 “病症咨询”“养生建议”“中药疑问”“体质判断” 4 大类、若干小类，结合中医领域词向量进行意图识别；
2. 上下文理解技术：引入 “对话状态跟踪（DST）” 机制，记录多轮对话中的关键信息（如用户前序提到 “有高血压”，后续推荐养生方案时需避开 “活血过度” 的建议），采用 “注意力机制 + 记忆网络” 存储上下文信息，避免 “答非所问”；
3. 对话逻辑优化：针对中医问诊的 “渐进式” 特点（如先问症状→再辨证候→最后给建议），设计 “引导式对话策略”，当用户信息不足时（如仅说 “身体不舒服”），agent 能主动提问补充信息（如 “请问您是否有口干、乏力、怕冷等症状？”）。

任职资格：
1. 基础条件：计算机 / 人工智能相关专业硕士及以上，2 年以上 NLP 算法开发经验，至少有 1 个 “医疗 NLP” 或 “大模型微调” 项目经验（如参与过医疗问答模型）；
2. 技术能力：熟悉 Transformer 架构（如 BERT、GPT），掌握 LoRA 微调、RAG 检索增强生成技术，能熟练使用 PyTorch/TensorFlow 开发模型，了解 Neo4j 等图谱工具的接口开发；
3. 场景理解：对中医基础理论有一定认知（如了解常见证候、经典方剂），或有意愿快速学习中医知识，能理解 “辨证论治” 的核心逻辑；
4. 项目经验：优先选择有 “多轮对话系统”“智能 agent 开发” 经验的候选人，考察过往项目的技术方案或代码实现（如大模型微调代码、对话管理模块设计）。