一、 AI 模型应用开发与落地

负责将预训练大模型、NLP、计算机视觉等 AI 技术转化为可落地的业务应用，设计端到端的 。

二、 AI应用解决方案

1、主导 AI 应用的全流程开发，包括数据处理、模型微调、推理优化及工程化部署，确保模型在实际业务场景中达到预期效果。

2、优化 AI 模型的推理性能，降低部署成本，提升应用响应速度，满足高并发业务场景需求。

三、技术方案设计与实现

1、深入理解业务需求，结合 AI 技术特性设计合理的技术方案，解决实际业务中的智能化问题。

2、负责 AI 应用与现有业务系统的集成开发，保障数据流转通畅、接口兼容稳定。

3、制定 AI 应用的技术规范与开发标准，提升团队开发效率与代码质量。

四、 模型评估与优化迭代

1、 建立 AI 应用效果评估体系，从准确率、召回率、业务价值等维度对模型应用效果进行持续跟踪与分析。

2、针对模型应用中出现的问题，进行数据增强、模型微调或算法优化，推动 AI 应用效果持续提升。

3、跟踪模型在生产环境中的表现，建立异常监测机制，及时处理模型漂移等问题。

五、技术研究与创新实践

1、深入研究大模型微调、提示工程、多模态融合等前沿 AI 技术，探索其在业务场景中的应用价值。

2、开发 AI 技术验证原型，为业务创新提供技术支持，推动 AI 技术在产品中的创新应用。

六、团队协作与技术分享

1、与产品、数据、算法等团队紧密协作，共同推进 AI 应用项目落地，解决项目中的技术难题。

2、编写技术文档，分享 AI 应用开发经验，提升团队整体 AI 技术应用能力。

一、学历与经验

1、本科及以上学历，计算机科学、人工智能、软件工程等相关专业，985/211 院校优先。

2、5 年以上软件开发经验，其中 3 年以上 AI 应用开发经验，有成功将大模型、NLP 或计算机视觉技术应用于实际业务的项目案例。

3、有大型互联网平台或企业级 AI 应用项目开发经验者优先。

二、技术能力

1、精通 Python 编程语言，了解 TensorFlow、PyTorch 等主流 AI 框架，具备模型微调、推理部署实战经验。

2、熟悉大模型应用开发技术，包括提示工程、LangChain 等工具的使用，能构建基于大模型的智能应用。

3、了解 NLP 核心技术，如文本分类、实体识别、语义理解等，或计算机视觉核心技术，如目标检测、图像识别等。

4、 熟悉数据库技术，如 MySQL、POSTGRESQL 等，能进行数据处理与存储设计。

5、了解 AI工具（DIfy、RAGFlow）者优先。

三、综合能力

1、具备较强的业务理解能力，能将业务需求转化为 AI 应用解决方案。

2、 具备良好的问题分析与解决能力，能独立解决 AI 应用开发中的技术难题。

3、具备良好的沟通协作能力，能与跨部门团队高效合作推进项目。

4、具备强烈的学习意愿与创新精神，能持续跟踪并应用前沿 AI 技术。