1.智能体系统开发
基于LLM（如Qwen、DS等）和开发框架（LangChain、LlamaIndex），设计并实现多模态智能体系统，涵盖行为逻辑设计、交互规则制定及工具调用管理。
构建多Agent协同工作流，支持复杂任务拆解、信息聚合与决策优化（如调研报告生成、结构化数据分析）。
2. RAG与知识增强技术
搭建端到端RAG流程，实现文档、表格等异构数据的语义接入、向量化检索及结果重排序，提升问答系统准确率。
优化Embedding模型与检索策略，结合知识图谱增强智能体的推理能力。
3. 模型训练与优化
负责大模型微调（全参数/LoRA/P-tuning）、强化学习对齐（PPO/DPO）及多模态对齐实验，提升智能体在垂直领域的适应性和可控性。
设计Prompt工程体系，开发可调试的提示词模板，优化模型输出稳定性。
4.工程落地与性能保障
完成智能体系统集成、部署及性能监控，解决推理延迟、并发负载等生产环境问题。
推动模型轻量化（量化、剪枝）与边缘部署，确保高可用性与低资源消耗。
与产品、后端团队协作，将算法封装为可调用服务，支持商业化落地。