岗位职责：

1、大模型部署与运维支持 - 负责主流AI大模型如LLAMAMA、Qwen、Deepseek等本地化部署、性能调优及运维支持； -能够开发适配公司私有化环境的部署工具链，支持模型加密、权限管理等数据安全需求；

2、 模型训练与调优 - 基于昇腾、TensorFlow、PyTorch等框架，对大模型进行分布式训练、微调及性能优化（如量化压缩、低秩分解等技术），提升训练效率和推理速度，能够结合业务场景需求，设计强化学习、长序列训练等调优策略； 基于通用大模型，通过RAG（检索增强生成）、领域知识注入、数据蒸馏等技术，构建适配公司业务的轻量化垂直模型；建立本地知识库的自动化清洗、标注及回流机制，提升模型领域适配性。

3、智能体开发与落地。 根据公司业务部门需求，开发基于大模型的智能体（Agent）系统，支持ReAct、GraphRAG等复杂推理范式，实现任务自动化与多模态交互。结合RAG（检索增强生成）、知识库构建等技术，实现业务场景的智能化升级；优化模型服务接口，集成至企业现有业务系统，确保高并发场景下的稳定性。

4、跨部门协作与数据安全。与业务部门深度对接沟通，挖掘AI技术赋能潜力，推动技术成果在企业中的落地，提高各业务部门工作效率； 建立AI模型训练与应用的数据安全机制，确保本地知识库、敏感信息在训练与- 推理过程中的保密性；制定AI使用规范，定期开展模型安全评估与风险防控 。

岗位要求：

1、熟悉主流大模型技术（如GPT、Llama、DeepSeek、文心一言等）及开源框架（Hugging Face、LangChain等）； 熟悉大模型部署工具（如TensorRT-LLM、vLLM、Triton）及容器化技术（Docker/K8s）；

2、熟悉主流大模型架构（如Transformer、MoE）及调优方法（如LoRA、Prompt Tuning） ； - 精通Python/C++，熟悉TensorFlow/PyTorch框架，具备分布式训练、模型压缩加速经验者优先； - 具备智能体开发经验，熟悉Agent框架（AutoGen、MetaGPT等）及RAG技术实现； - 熟悉数据安全技术（数据脱敏、访问控制、加密传输等），了解《数据安全法》等法规。

3、专业及工作经验要求 ：计算机科学、人工智能、数学等相关专业本科及以上学历；至少2年以上大模型相关经验，主导过至少一个完整的大模型本地化部署或垂直领域优化项目；具备良好的跨部门协作沟通能力，团队合作精神。