1、基于化工园区及能源化工企业端AI产品战略与业务需求，负责大模型技术路线规划，包括基座模型选型（开源/闭源）、微调方案、RAG架构、Agent框架等关键技术决策与架构设计。

2、对大模型相关需求进行技术可行性评估，参与核心技术方案（知识库构建、提示词工程、模型微调、多模态融合等）的设计、评审与决策。

3、解决大模型研发、微调、部署、推理优化中的关键技术难题；跟踪大模型前沿技术（如RAG优化、Agent、多模态等）在化工领域的应用潜力，推动技术预研与创新落地。

4、对负责的大模型研发模块/项目的最终技术交付物（模型服务、API接口、智能应用）的质量、性能、时效负责；支持售前及交付团队提供关键技术方案说明。

经历要求：

1、熟悉主流大语言模型（GPT系列、Claude、LLaMA、Qwen、DeepSeek等）的原理、特点及应用场景，具备模型选型与评估能力。

2、熟悉大模型技术栈：Prompt
Engineering、RAG（向量数据库、Embedding、检索优化）、Fine-tuning（LoRA/QLoRA/全量微调）、Agent框架（LangChain/LlamaIndex等）。

3、熟悉大模型推理部署与优化技术（vLLM、TensorRT-LLM、量化压缩等），了解私有化部署与云端部署方案。

4、能够与产品、售前、交付等部门无障碍对接及协同，具备将业务场景转化为大模型解决方案的能力，有能源化工行业经验优先。

5、优先硕士研究生及以上学历，计算机、人工智能、自然语言处理等相关专业，3年以上AI算法开发经验，2年以上大模型相关项目经验，如果能力经验比较贴合，可放宽学历至本科。

6、深度参与过1-2个大模型落地项目（智能问答、知识库、智能助手、文档处理等）从方案设计到生产部署的全过程。

7、适应出差。

关键能力要求：

1、对大模型技术发展有敏锐洞察力，能制定清晰技术演进路线，带领团队攻克大模型落地中的难关。

2、具备构建企业级RAG系统、知识库平台的实战经验，能解决幻觉、检索精度、响应延迟等工程难题。

3、精通将复杂业务需求（如化工知识问答、工艺文档解析、安全规程助手等）转化为可行的大模型技术方案。