一、岗位职责​
（一）RAG 应用全流程开发​
需求拆解与方案设计：深度对接应用需求部门，输出 RAG 应用技术方案（含检索策略、对话逻辑、交互流程）；​
核心架构开发：基于 LangChain/LlamaIndex 搭建 RAG 系统核心框架，实现 “提问解析 - 知识图谱关联检索（对接知识图谱团队输出的图数据库接口）- 向量数据库精准召回 - 大模型结构化生成” 全链路闭环；​
性能优化：针对 RAG 应用的检索精度（如客户需求匹配准确率≥90%）、响应速度（单次请求≤2 秒）、多轮对话连贯性进行持续优化，解决 “检索偏差、生成内容脱离实际需求” 等问题。准确性优化：能解决在超长上下文应用场景下生成内容的准确性。
（二）大模型适配与调优​
模型选型与适配：根据应用场景，选择开源模型（如 Llama 3、Qwen）或商业 API（如 GPT-4），完成模型本地化部署或 API 对接；​
场景化微调：基于公司数据，采用 LoRA/QLoRA 等高效微调方法，优化模型的专业度（如回答准确率提升至 95%以上）；​
Prompt 工程：设计场景化 Prompt 模板，结合少样本学习提升模型输出质量与一致性。​
（三）运维与迭代​
日常运维：负责 RAG 应用的线上监控（如服务可用性、错误率），保障系统可用性≥99.9%，快速响应并解决线上问题（如检索失败、模型生成异常）；​
应用反馈迭代：收使用反馈，结合相关数据分析优化方向，推动 RAG 应用持续迭代；​
技术沉淀：总结 RAG 应用开发经验，输出技术文档，推动团队技术能力提升。​
二、岗位技能要求​
（一）核心技术硬技能​
RAG 技术栈精通：​
熟练使用 LangChain/LlamaIndex 框架构建 RAG 系统，有复杂场景（如多轮对话、多模态检索）RAG 应用开发经验；​
掌握向量数据库（Milvus/Qdrant/Chroma）的部署、索引优化与查询调优，能解决 “高维度数据检索慢、召回精度低” 问题；​
具备检索策略设计能力：熟悉 BM25、向量检索、混合检索等策略，能根据应用场景选择适配方案（如采用 “向量 + 知识图谱关联检索”）。​
大模型开发能力：​
熟练掌握大模型微调技术：熟悉 LoRA/QLoRA 原理与实践，能使用 PEFT、Transformers 等库完成模型微调，有 10 万级以上业务数据微调经验；​
精通 Prompt 工程：能设计零样本 / 少样本 Prompt、思维链（CoT）Prompt，提升模型在专业领域的输出质量；​
具备模型评估能力：能使用 BLEU、ROUGE、人工评分等方法评估模型输出效果，制定针对性优化方案。​
应用开发与集成能力：​
编程基础扎实：熟练使用 Python，掌握 FastAPI/Flask 后端开发，能独立完成 RAG 应用的接口开发与前端对接（如与 Vue/React 前端配合实现交互功能）；​
数据库操作熟练：能使用 MySQL/PostgreSQL 存储业务数据，熟悉 SQL 优化；​
容器化与部署：掌握 Docker/K8s，能完成 RAG 应用的容器化打包与云部署（AWS / 阿里云 / 腾讯云），有 CI/CD 流程搭建经验者优先。​
（二）软技能​
问题解决能力：面对 RAG 应用开发中的 “检索精度低、模型生成异常” 等问题，能快速定位原因（如知识匹配偏差、Prompt 设计不合理）并给出解决方案；​
项目推进能力：能独立主导 RAG 应用从需求到上线的全流程，把控项目进度与交付质量，在资源有限情况下优先实现核心业务价值；​
学习能力：持续关注 RAG 技术演进（如 Agentic RAG、多模态 RAG）与大模型最新动态，能快速将新技术应用到业务场景中。​
三、任职资格要求​
学历背景：计算机科学、人工智能、软件工程等相关专业本科及以上学历；​
工作经验：2 年以上大模型 RAG 应用开发经验，至少主导过 2 个企业级 RAG 应用从 0 到 1 落地项目。
四、福利待遇
1、上班时间：9：00-11:50,13:30-17:30（冬）/14:00-18：00（夏），双休；
2、各项补贴：全勤补贴、餐饮补贴、住宿补贴；
3、薪资待遇：基本工资（10-20K）+餐补+房补+全勤补；
4、社保：公司为员工统一缴纳社会保险；
5、法定节假日：年假、婚假、产假、陪产假、哺乳假、丧假等；
6、节假日礼品福利：情人节、3.8女神节、端午节、中秋节、春节等福利；
7、礼金福利：新婚礼金、新生儿礼金、直系亲属丧礼金等；
8、其他福利：公司每年集体旅游1-2次，团队内部不定时团建；伯乐奖励1000-3000元；
9、优秀的企业文化，轻松、愉快、有趣的工作氛围，我们期待您的加入。