AI开发工程师

Generative AI Oriented
服务描述（Description of the service）
参与对现有大模型服务进行关键指标（如：准确率、精确率、召回率）评估，并为模型性能建立评估与可信度量基础。
协助构建现有大模型应用的内容安全（Content Safety）基础，包括但不限于红队攻击（Red-Teaming）以及护栏机制（Guardrails）的实施。
负责利用特定业务及领域数据，对模型进行基于 RAG（检索增强生成）的检索增强，通过 RAG 技术提升模型在特定任务上的表现。
参与基于生成式 AI 底座平台的端到端 AI Agent 编排平台的建设。
基于 AI Agent 编排平台，快速开发并实现用户自定义的工作流。
协助搭建基础服务，例如数据脱敏/净化、数据清洗预处理等，并参与潜在的 MLOps 相关工作事项。
交付成果（Deliverables）
1. 稳定的内容安全防护基础与红队测试体系的建立。
2. 完成本地知识库 RAG 增强系统的搭建，以及相关的本地知识管理流程。
3. 具备低代码工作流编辑能力的基础版 AI Agent 编排平台。
4. 高效且可用的大语言模型服务评估与监控度量基础体系。
Qualification Needed
技术技能要求（Technical Skill Requirements）
• 必须熟练掌握 Python，并具备扎实的软件工程基础与编码规范意识。
• 熟悉主流大语言模型（LLMs），如 DeepSeek、Qwen、Gemini、Llama 等。
• 熟悉多种模型评估指标，包括 Accuracy、Precision、Recall、BLEU、ROUGE、BertScore、PPL、ROC、AUC、超参数（Hyper-parameter）等。
• 熟悉 LLM 开发框架，如 LangChain。
• 具备 AWS SageMaker 使用经验，能够在 AWS 环境中开展模型开发工作。
• 具备 MLOps 或 Scikit-Learn 经验者优先。
• 具备 Langflow 经验者优先。
• ________________________________________
软技能与个人特质（Soft Skills & Traits）
• 卓越的沟通能力：具备优秀的书面与口头表达能力。
• 基础英语水平：具备基本的英文工作沟通能力。
• 高度责任感与主人翁精神：具备强烈的责任意识和任务 Ownership。
• 持续学习与自我提升意识：愿意持续进行专业能力提升，主动学习并适应新技术的发展。
• 高效的团队协作能力：具备团队精神，能够在跨职能团队中高效合作。