AI算法工程师

岗位职责】
1、AI Agent系统架构与开发：负责基于大语言模型（LLM）的智能体（Agent）系统设计，利用LangGraph/AutoGen等框架构建具备多步推理、工具调用（Tool Use）、记忆管理及多智能体协作能力的复杂业务应用。
2、高级RAG与知识引擎建设：主导企业级知识库的构建，实现多模态RAG（支持图文、表格解析）、GraphRAG（结合知识图谱增强检索）及混合检索策略，显著降低模型幻觉，提升垂直领域问答准确率。
3、模型微调与私有化部署：负责开源模型（如Qwen3, Llama 4等）的指令微调（SFT）与偏好对齐（RLHF/DPO）；掌握vLLM/TensorRT-LLM推理加速技术，实现模型在本地服务器或边缘设备的低成本、高并发私有化部署。
4、AI原生应用落地：与产品团队深度协同，将AI能力融入核心业务流程（如智能客服、自动化运维、金融风控、营销文案生成等），设计并实施Human-in-the-loop（人机协同）机制，确保系统可控性与安全性。
5、工程化与评估体系：搭建LLM Ops流水线，建立自动化的模型评估（Eval）体系（包括准确性、鲁棒性、延迟监控），持续优化Prompt策略与模型参数，保障生产环境稳定性。
6、前沿技术探索：跟踪并验证MCP（Model Context Protocol）、端侧小模型（SLM）、视频生成理解等2026年新技术，推动其在公司产品中的创新应用。
【任职要求】
学历背景：计算机科学、软件工程、人工智能或相关领域本科及以上学历。
经验要求：
2年以上Python开发经验，其中至少1年专注于大模型应用开发。
有完整的Agent项目落地案例（非Demo），熟悉ReAct、Plan-and-Solve等推理模式者优先。
核心技术栈：
编程语言：精通Python，熟悉AsyncIO异步编程，了解TypeScript/Node.js（用于全栈AI应用）者加分。
框架工具：熟练掌握LangChain/LangGraph、LlamaIndex、Haystack；熟悉AutoGen、CrewAI等多智能体框架。
模型能力：深入理解Transformer架构，熟悉HuggingFace生态；熟练使用Llama Factory、Axolotl等工具进行模型微调；掌握Ollama、vLLM进行本地推理服务搭建。
RAG专精：精通向量数据库（Milvus, Qdrant, Chroma或Elasticsearch向量插件），有处理非结构化数据（PDF, Word, 图片OCR）清洗与切片实战经验，了解Embedding模型选型与优化。
Prompt工程：超越基础提示词，精通Structured Output (JSON Mode)、Few-Shot动态构建、CoT思维链优化及Prompt安全防御（防注入）。
工程化能力：
熟悉Linux环境，精通Docker容器化，了解Kubernetes (K8s) 进行大规模模型服务编排。
熟悉CI/CD流程，有GPU资源调度与显存优化经验。
综合素质：具备良好的数学基础与逻辑思维，对数据敏感；拥有极强的自驱力，能快速阅读英文技术论文并转化为代码实现；优秀的沟通协作能力。
【加分项】
AI智能编程（AI-Native Coding）专家经验：
深度熟练使用 Cursor、GitHub Copilot Workspace、Windsurf 等新一代AI编程助手，具备“人机结对编程”的高效工作流，能利用AI将提升开发效率 。
有利用LLM进行大规模遗留代码重构、自动化单元测试/集成测试生成、智能Code Review及自动修复Bug的实战经验。
熟悉 Repo-level Context（仓库级上下文） 处理技术，能够搭建或优化基于企业私有代码库的内部AI编程助手
行业经验：有金融、法律等高门槛领域的AI落地经验，熟悉相关行业合规与数据安全标准。
多模态能力：熟悉CLIP、BLIP等多模态模型，有视频内容理解或图文混合生成项目经验。
开源贡献：在GitHub上有高星AI相关开源项目贡献，或有高质量的技术博客/社区文章。
全栈能力：具备Streamlit, Gradio, Next.js等前端框架能力，能独立快速构建AI应用原型（Prototype）。