python后端开发工程师

【岗位职责】
核心业务研发：负责公司业务系统后端服务的设计、开发与维护，编写高质量、可扩展的 Python 代码；
架构与性能优化：基于业务需求设计高并发、高可用的系统架构，应对复杂计算密集型或 I/O 密集型场景的性能瓶颈；
大模型工程化落地：将大语言模型（LLM）深度集成到业务链路中，构建 Agentic Workflow（智能体工作流），解决实际业务痛点；
AI 工具链构建：设计并打通内部系统与大模型之间的交互机制，开发可供大模型调用的工具链（Skills/MCP），提升系统自动化程度；
技术攻坚：持续跟进前沿开源大模型技术（Agent、RAG 等），保持系统技术栈的先进性并进行技术选型。
【任职要求】
一、 Python 基础与 Web 开发能力
扎实的 Python 功底：精通 Python 编程，深入理解面向对象、装饰器、生成器、内存管理等核心机制；
Web 框架经验：熟练掌握 FastAPI，熟悉其中间件、依赖注入、Pydantic 数据校验机制，具备构建高性能 RESTful API 的经验（同时了解 Flask/Django/Tornado 等加分）；
数据库与缓存：熟练使用 PostgreSQL/MySQL，熟悉 SQLAlchemy 等 ORM 框架；熟练使用 Redis 进行缓存和分布式锁的设计。
二、 并发与异步编程能力详解
异步编程（Async/Await）：精通原生 asyncio，能够熟练编写非阻塞的高性能网络及 I/O 密集型应用；
并发模型掌控：深入理解 Python 的 GIL 原理，能够根据实际场景准确选择并混用 线程池（ThreadPoolExecutor） 与 进程池（ProcessPoolExecutor）；
解决问题能力：具备解决复杂并发问题的能力，例如在协程中正确卸载（offload）CPU 密集型任务，或者处理多进程下的资源共享与死锁问题。
三、 大模型（LLM）与AI工程化能力
主流框架经验：熟练使用 LangChain、LlamaIndex 或类似的 Agent 框架，了解其底层的链式调用、记忆管理和路由分发原理；
核心概念与底层原理：
深入理解并主导过 RAG（检索增强生成） 架构的开发，熟悉 Embedding、向量库检索及重排（Rerank）策略；
理解并能运用 MCP（Model Context Protocol） 等模型协议规范，打通大模型与本地化数源或外部工具的上下文边界；
熟悉智能体 Skills/Tools（工具调用）的设计原理，能够编写健壮的被调函数以扩展大模型能力；
AI 落地驱动：不只是停留在“调包”层面，而是能熟练运用 Prompt Engineering（提示词工程）、CoT（思维链）、Agent 架构等大模型能力，解决具体的业务或工程问题。
【加分项】
文本数据处理核心能力：熟练使用 Python 处理非结构化文本数据，具备扎实的数据清洗、数据预处理（ETL）经验者优先（对 RAG 前期数据语料准备尤为重要）；
有实际落地的 AI Agent、知识库问答系统、或自动化 Workflow 系统的核心开发经验；
了解并使用过主流向量数据库（如 Milvus, Qdrant, Pinecone, FAISS 等）；
熟悉 Docker、Kubernetes，有微服务架构和云原生部署经验；