1. LangGraph相关开发：基于Python语言，使用LangGraph框架设计、开发、调试AI智能体（Agent）相关应用，包括图结构定义、节点逻辑开发、边关系配置，实现多智能体协作、任务拆分与流程控制。
2. Prompt工程与模型集成：结合大语言模型（LLM）特性，进行Prompt设计、优化与调优；集成主流LLMAPI（如OpenAI、智谱、讯飞等），实现模型与LangGraph的高效联动，保障智能体响应准确性和流畅性。
3. 数据处理与适配：负责AI应用相关数据的清洗、转换、标注与预处理，设计适配LangGraph图结构的数据存储方案，支撑智能体的上下文管理、记忆机制开发。
4. 系统开发与优化：参与AI应用全流程开发，包括需求分析、技术方案设计、代码实现、单元测试与集成测试；优化LangGraph应用的性能、响应速度，解决开发过程中的技术难点和线上问题。
5. 技术文档与协作：编写清晰的技术设计文档、接口文档、测试文档；配合产品、测试及其他开发人员，推进项目落地，参与技术评审和需求研讨，分享LangGraph相关开发经验。
6. 技术调研与迭代：关注LangGraph框架、Python AI生态、大语言模型相关技术的最新动态，调研行业最佳实践，将合适的技术方案融入现有项目，推动产品技
术迭代升级。
1. Python编程能力：精通Python语言，熟练掌握Python基础语法、面向对象编程，具备扎实的代码功底；熟练使用常用数据结构和算法，能独立编写高效、健壮、可维护的代码。
2. LangGraph框架精通：深入理解LangGraph的核心原理（图结构、节点、边、状态管理、条件流转等），有丰富的LangGraph实际开发经验，能独立完成智能体的图结构设计与功能开发。
3. 大语言模型（LLM）相关：熟悉主流大语言模型（OpenAI GPT系列、智谱AI、讯飞星火等）的特性与API调用方式；掌握Prompt Engineering核心方法，能根据业务场景设计、优化Prompt，提升模型响应质量。
4. 相关生态工具使用：熟练使用LangChain（与LangGraph联动）、llama-index等AI开发工具；掌握至少一种数据库（如MySQL、MongoDB）的使用，能完成数据存储与查询开发。
5. 开发与调试能力：熟练使用Python开发工具（如PyCharm），具备良好的问题排查、调试能力；掌握单元测试、集成测试方法，能编写规范的测试用例，保障代码质量。