岗位职责：

智能文本解析与结构化(核心业务):

D利用 LLM(GPT/DeepSeek/Llama等)结合传统 NLP 技术(正则、关键词提取)，负责对非结构化文档(如合同等)进行高精度的信息抽取、分类和结构化转换。口搭建高效的文本预处理工作流，包括:数据清洗、去重、分词、隐私脱敏及 Token 消耗优化。

Agent 智能体开发与编排:

基于 LangChain/AutoGen 等框架开发 AlAgent，设计任务编排(Chain)，实现复杂文本任务的自动化拆解。

实现 Agent 的工具调用(To0l Caling)，让模型能够调用外部 API、查询内部数据库或执行特定代码。

效果调优与 RAG:

负责 Prompt Engineering(提示词工程)的深度优化，通过 CoT(思维链)等技巧解决复杂语义理解问题。

搭建轻量级的 RAG(检索增强生成)流程，解决长文本解析中的上下文限制与幻觉问题。

(进阶)针对特定垂直领域的文本数据，进行小规模的模型微调(SFT/LORA)以提升特定场景的效果。

工程落地与部署:

负责模型服务的 API化封装与部署(Docker/FastAPI)，保证接口的响应速度和高可用性。 任职要求：

核心硬性要求

1.本科及以上学历，计算机、软件工程、人工智能等相关专业，3年以上后端开发经验，1年以上大模型应用开发经验。

2. 精通 Python，熟练使用 Pandas/Numpy 进行数据处理;熟悉 LangChain、Llamalndex 等应用开发框架，有完整的大模型应用开发上线经验。

3.掌握至少一种向量数据库的使用，熟悉RAG架构的开发与优化流程。

4.熟悉HTTP接口开发(如FastAP1、Flask)，掌握JSON数据处理、API联调技巧，有良好的代码规范和文档习惯。

5.具备独立解决问题的能力，能快速定位大模型应用中的常见问题并给出解决方案。