一、核心职责
1. 学历与年限
计算机/AI/软件工程相关，本科 3 年或硕士 1 年以上，博士不限；有大模型实际落地经验可放宽。
2. 编程 & 框架
精通 Python；熟练使用 PyTorch（含 DeepSpeed、Accelerate 分布式训练）；熟悉 Linux 日常开发。
3. 大模型微调技术
至少掌握 LoRA、QLoRA、P-Tuning、SFT、RLHF 中的一种，能独立完成数据→训练→评估闭环。
4. Agent 系统实践
了解 ReAct、Plan-and-Execute、Function-Calling 等范式；用过 LangChain、LlamaIndex、AutoGen、MetaGPT 、Dify等框架搭建过可运行 Demo。
5. 数据工程
能写数据清洗、指令构造、质量过滤脚本；熟悉 JSONL / Parquet / HF Dataset 格式及流式加载。
6. 基础算法与代码规范
熟悉 Transformer 结构、注意力机制、位置编码；代码可维护、可复现、可单元测试。
7. Java 后端能力
3 年以上 Java 8+/Spring Boot/Spring Cloud 实际编码经验；熟悉微服务拆分、分布式事务、线程池调优。
混合语言调试
能在 Python 训练环境与 Java 业务系统之间联调，独立定位 gRPC/REST 接口、序列化、OOM 等问题。
8.场景化提示词设计
针对客服、营销、办公、金融、医疗等垂直场景，搭建结构化/分层式 Prompt 模板库，支持零样本、少样本、CoT、ToT、ReAct 等高级技巧
9.文档与培训
输出《Prompt 设计白皮书》、视频教程与低代码配置指南，帮运营、产品、销售“平民化”使用大模型
二、高频加分项
1. RAG 全栈经验
向量库（FAISS、Milvus、ElasticSearch）、分块策略、检索重排、多路召回、知识更新链路。
2. 多模态 Agent
图文/图表/音频混合输入输出，熟悉 CLIP、BLIP-2、LLaVA、Qwen-VL 等模型微调。
3. 推理与部署优化
熟悉 vLLM、TensorRT-LLM、ONNX、bitsandbytes 量化、KV-Cache 优化、连续批处理。
4. 工具调用 & Plugin 生态
实现过 OpenAI GPT-functions 兼容接口、Swagger/OpenAPI 自动解析、MCP/A2A 协议。
5. MLOps / LLMOps
用 Docker+K8s 做训练/推理编排；熟悉 MLflow、Weights&Biases、Ray、Airflow、CI/CD。
6. 领域经验
教育、金融、医疗、电商、制造、代码生成（AI Coding）等垂直场景落地案例。
7. 论文/开源
NeurIPS/ICML/ACL/EMNLP/CVPR 一作/共一；GitHub 500+ star 项目或 HF 热门模型贡献者。