AI 工程师（大模型私有化与场景化应用方向）

一、岗位职责
大模型私有化部署与优化
主导 LLaMA、ChatGLM、DeepSeek 等主流开源大模型的本地化部署，完成 GPU/CPU 资源调度、推理性能优化及容器化部署（Docker/K8s），确保私有化环境下的模型高效运行与稳定性。
场景化 AI 系统构建
设计并落地 RAG（检索增强生成）系统，涵盖文档分块、Embedding 生成、向量检索（Milvus/Pinecone）全链路，提升垂直领域（如政务）知识问答准确率；
开发行业专属 AI Agent，结合 LangChain/LlamaIndex 工具链，实现多轮对话、任务拆解与自动化流程（如政策文件检索、智能客服），推动业务场景智能化。
模型全生命周期管理
负责数据清洗、标注及增强，完成模型微调（LoRA/P-tuning）、量化压缩（GGML/INT4）及蒸馏优化，降低部署成本；
搭建模型评估体系，通过 Prompt Engineering 与用户反馈迭代优化生成质量，输出运维报告并提出架构升级方案。
合规与创新探索
遵循《数据安全法》等法规，设计数据脱敏、权限控制方案，保障私有化部署的安全性；
探索多模态（文本 + 图像）检索、AutoGPT 类复杂流程自动化等前沿技术，拓展 AI 应用边界。
二、任职要求
1. 硬性条件
学历：计算机 / 人工智能 / 数学相关专业本科及以上，3 年以上大模型研发经验；
经验：主导过至少 1 个大模型私有化部署全流程项目（从选型、调优到落地），具备政务等垂直领域场景化开发案例。
2. 技术能力
语言与框架：精通 Python，熟练使用 PyTorch/TensorFlow，熟悉 Hugging Face 生态；掌握 C++/Java 者优先；
模型工程：熟悉 Transformer 架构，精通模型量化、剪枝、图优化技术，有 LoRA 微调、RAG 系统实战经验；
工具链：熟练运用 LangChain/LlamaIndex 构建 Agent，掌握向量数据库（Milvus/Pinecone）、知识图谱（Neo4j）开发；
部署与优化：熟悉 Docker/K8s 容器化，具备 GPU 性能调优（CUDA/OpenVINO）或移动端部署经验。
3. 项目与业务理解
能从业务痛点反推技术方案，主导过 AI Agent 与 CRM/OA 等系统的集成；
熟悉私有化部署全链路，包括 API 封装、模型监控、资源调度，具备成本优化意识。
4. 软性能力
协作：擅长与产品、客户沟通，清晰解释技术方案，适应敏捷开发；
合规：重视数据安全，熟悉行业隐私保护规范；
学习：跟踪大模型前沿（如 Agent、MoE），具备技术转化落地能力。
三、加分项
在知识图谱构建、多模态检索、模型轻量化（如 GGUF 格式）等方向有深度实践；
主导过千万级数据量的 RAG 系统优化，检索准确率提升超 15%；
熟悉大模型评测工具（MMLU/HumanEval），具备 A/B 测试与效果归因能力。
我们期待：不仅是技术专家，更是懂业务的 “AI 落地者”—— 既能解决模型部署的性能难题，也能让 Agent 成为客户业务的 “智能助手”。