岗位职责
参与基于开源⼤语⾔模型（如 Qwen、DeepSeek等）⾯向真实业务场景的 AI 应⽤系统开发，包括但不限
于知识问答、内容⽣成、数据分析等具体功能模块；
承担 RAG（检索增强⽣成）系统的端到端开发与持续优化，涵盖知识库构建、⾮结构化⽂档解析
（PDF/Word等）、⽂本分块策略、向量索引、混合检索（BM25 + 向量）、重排序（Rerank）及⽣成质量
提升；
参与 Agent 架构相关功能开发，包括⼯具调⽤（Function Calling）、任务分解、记忆管理或多智能体协作
中的具体组件实现；
协同其他团队，将⼤模型能⼒集成到企业内部系统（如 CRM、ERP、知识库、数据库）中，完成指定功能
模块的对接与联调；
通过 Prompt Engineering、模型微调（LoRA/QLoRA）或评估优化（如 RAGAS），提升所负责模块的
准确性与稳定性；
参与模型服务封装（FastAPI/Flask）、容器化部署（Docker）及性能监控，保障所开发模块的可⽤性与响
应效率；
编写清晰的技术⽂档，沉淀⼯程规范与最佳实践，推动团队 AI 应⽤开发能⼒标准化。
任职要求
学历：计算机、软件⼯程、⼈⼯智能或相关专业 本科及以上学历，须提供毕业院校信息；
经验：2~5年 软件开发或AI相关⼯作经验，⾄少1年⼤模型应⽤开发经验，有参与完整项⽬上线的经历；
技术能⼒（满⾜以下多数项，在 RAG 系统优化或 Agent 开发⽅⾯有深⼊实践者优先）：
熟练掌握 Python 作为主要开发语⾔，具备良好的⼯程规范与代码可维护性；
熟悉 LangChain / LlamaIndex 框架，有 RAG、Agent 或 Function Calling 相关模块的开发经
验；
了解主流开源⼤模型（Qwen、DeepSeek、ChatGLM 等）的基本使⽤与微调⽅法（如 LoRA）；
掌握 向量数据库（如 Milvus、Chroma）或传统数据库（MySQL、Redis、Elasticsearch）的使
⽤；
熟悉 Embedding 模型（如 BGE、text2vec）及检索优化策略（混合检索、rerank、query 改写
等）；
具备 Web 接⼝开发能⼒（FastAPI / Flask），了解 Docker 基础⽤法；
软技能要求：
具备良好的沟通能⼒与团队协作意识，能清晰表达技术⽅案并接受反馈；
乐于在团队中承担具体任务，对交付质量有责任⼼；
加分项：有 LangGraph、Agno等多智能体框架使⽤经验；
熟悉 vLLM、SGLang 等推理部署⼯具；
有 GitHub 开源项⽬或技术博客。
我们期待这样的你
不夸⼤个⼈作⽤，但对所负责的模块精益求精；
能在团队中找准定位，⾼效协同，共同交付价值；
关注技术落地，⽽⾮仅停留在 Demo 或理论层⾯。
我们看重
能否把⼤模型真正⽤起来，解决业务痛点；
能否写出可维护、可扩展、⾼可⽤的 AI 应⽤代码；
是否具备从需求分析到上线运维的端到端交付能⼒。