核心职责
1、RAG 系统架构与研发
负责企业级 RAG（检索增强生成）知识库系统的设计与开发，覆盖文档采集接入、解析与预处理、切片与向量化、向量检索、结果重排、答案生成与引用溯源等全链路能力；主导或深度参与技术选型与架构设计，保障系统的可扩展性、高可用与可运维性，并持续迭代知识库增量更新、数据时效性与效果稳定性机制。
2、企业知识库问答场景落地
围绕智能问答、类智能文档助手、业务助手等应用场景，设计并实现切片策略、召回与重排策略、上下文构造与答案生成策略，优化检索准确率、生成相关性与业务可用性；结合业务反馈建立评测与持续优化闭环，推动从 PoC 到生产的工程化落地与迭代。
3、Prompt 工程与对话策略优化
针对多轮对话、复杂指令理解与业务约束场景，设计 Prompt 模板与对话编排策略，提升输出稳定性与一致性；建设 Prompt 版本管理、回归测试与 A/B 对比机制，以量化指标评估不同策略对业务效果的影响。
4、工具调用与插件体系建设（Function / Tool Calling）
实现大模型的工具调用能力，设计统一的工具/接口规范、参数校验、权限控制与异常处理机制；开发可扩展的工具插件体系，支持外部服务（如业务 API、数据库查询、检索服务等）的安全接入与治理。
5、AI Agent 架构设计与工程化交付
构建具备任务规划、执行、记忆与自我校验能力的智能体框架，支持复杂任务拆解与自动化执行；基于 Python/Java 完成服务化部署与性能调优（并发、延迟、稳定性、成本控制等），沉淀工程最佳实践与技术文档，支撑团队交付与能力复用。
任职要求
1、学历与经验
本科及以上学历，计算机科学、软件工程、人工智能、数学等相关专业；具备 3 年及以上后端研发经验，至少 1 年以上 AI 应用（RAG/智能客服/知识问答/Agent）相关项目实践经验；有从需求到上线的完整交付经历者优先。
2、RAG 与检索技术能力
理解 RAG 基本原理与关键工程环节，具备端到端 RAG 系统开发经验；熟悉向量化、向量检索、召回策略、结果重排（Re-rank）与上下文构造等方法；了解至少一种向量数据库/向量检索方案（如 Chroma、Milvus、FAISS、Elastic 向量检索等）的部署、使用与基础调优思路。
3、编程与工程能力（Python / Java）
熟练掌握 Python，能够使用 FastAPI/Flask 构建服务并进行工程化交付；熟悉 LangChain、LlamaIndex 等框架的使用与二次开发者优先；具备扎实的后端工程能力（接口设计、并发与性能优化、日志与监控、异常处理、配置管理等）。具备 Java 技术栈能力（Spring Boot/Spring Cloud 等）或能在 Java/Python 混合架构中协作开发者优先。
4、文档与数据处理能力
熟悉多格式文档解析与预处理流程，了解 OCR、NLP 清洗、结构化抽取等常见技术路线；具备数据处理基础能力（Pandas/SQL），能完成数据抽取、评测集构建与效果分析。
5、Agent 与工具调用能力（加分项）
了解 Function Calling/Tool Calling 机制，能实现工具协议、调用编排与安全治理；对 Agent 的任务规划、记忆管理、反思/校验等机制有实践或可落地方案者优先。