岗位职责：
1. 核心问答引擎开发：
o 主导或参与基于大型语言模型（LLM）的智能问答系统的架构设计与开发，实现精准、流畅的自然语言交互。
o 负责将自然语言查询（NLQ）精准转化为数据库查询语言（如 SQL），并对查询结果进行解析和人性化呈现。
2. RAG（检索增强生成）能力建设：
o 设计和实施高效的 RAG 流程，结合内部知识库、数据文档和外部数据源，提升大模型回答的准确性、时效性和可追溯性。
o 持续优化向量数据库的构建、检索策略和 Embedding 模型，解决数据更新和知识迭代的挑战。
3. 模型微调与优化：
o 根据业务场景和特定数据集，对开源或商用的大型语言模型进行微调（Fine-tuning），以提升其在特定领域（如财务、销售、运营）的理解和生成能力。
o 负责模型效果的持续评估、监控和迭代优化，构建完善的评估体系（Evaluation Framework）。
4. 多模态能力探索与集成：
o 探索和集成多模态AI能力，使系统不仅能理解文本，还能解析图表、图片等多种形式的数据输入，并能生成可视化的数据报表或图表作为回答。
o 负责多模态数据的处理、特征提取和融合技术，打造更丰富的交互体验。
5. 数据与工程：
o 与数据仓库和数据平台团队紧密合作，确保数据链路的稳定和高效，深刻理解公司数据资产。
o 负责相关API服务的开发、部署和维护，保证系统的高可用和可扩展性。
任职要求：
必要条件：
• 计算机科学、人工智能、统计学或相关领域的本科及以上学历。
• 扎实的编程基础，精通 Python，熟悉常用的数据科学和机器学习库（如 Pandas, NumPy, Scikit-learn）。
• 深入理解大型语言模型（LLM）的原理和应用，有丰富的 Prompt Engineering 经验，熟悉至少一种主流 LLM API（如 OpenAI GPT系列, Anthropic Claude, Google Gemini 等）。
• 具备扎实的数据库知识，精通 SQL，并有处理复杂查询和性能优化的经验。了解数据仓库、数据湖等相关概念。
• 具备 RAG 的实战经验，熟悉 LangChain、LlamaIndex 等主流开发框架，并对向量数据库（如 Milvus, Pinecone, Chroma）有实践经验。
加分项：
• 有对话式AI（Conversational AI）、智能客服或聊天机器人（Chatbot）的开发经验。
• 具备 LLM 微调（Fine-tuning）的实践经验，熟悉 LoRA, QLoRA 等高效微调技术和相关工具（如 Hugging Face Transformers, PEFT）。
• 对多模态模型（如 CLIP, GPT-4V）有研究或实践经验，了解如何处理和融合图像、文本等多源信息。
• 熟悉 BI 工具（如 Tableau, Power BI, Looker）的原理或有相关开发经验。
• 有将AI模型部署到生产环境的经验，熟悉 Docker, Kubernetes 等云原生技术。
• 优秀的沟通能力和团队协作精神，能够清晰地表达技术概念并与产品、业务团队高效合作。