大模型算法工程师（统本）

1. 2年以上大模型或NLP领域工作经验，1年及以上AI应用开发相关工作经验，有完整的大模型应用项目落地经验者优先。
2. 具备独立负责AI应用从需求到上线全流程开发的能力，有RAG、Agent技术、大模型部署相关项目经验者优先。
3. 熟练掌握Python编程语言，了解NLP基础任务（如分词、实体识别、意图理解），具备扎实的编程基础和代码规范意识，能独立完成模块开发和调试。
4. 熟悉LangChain框架的使用，能运用其搭建大模型应用，掌握Prompt Engineering、向量数据库等相关技术，精通RAG技术原理及落地实践。
5. 熟悉Agent开发原理与实践，能独立设计和开发基于Agent的大模型应用，具备开发经验，实现复杂任务的自动化处理，提升应用的智能化水平，了解多智能体协作逻辑或工具调用（Tool Use）机制。
6. 了解MCP、Skill等相关技术，能结合业务场景合理运用相关技术优化AI应用功能，提升产品体验和业务适配性。
7. 熟悉大模型部署流程，掌握模型量化、推理优化等相关技术，能独立完成大模型的部署、运维和监控工作。
8. 熟练掌握FastAPI等后端框架，具备后端接口开发、数据处理、接口调试经验，了解HTTP协议、RESTful API设计规范。
9. 熟悉Dify、n8n等大模型应用开发平台，能熟练使用平台进行应用搭建、流程配置和上线迭代。
10. 了解主流大模型（如Qwen、DeepSeek等）的特性和使用方法，具备大模型微调、效果优化经验者优先。
11. 熟悉常用数据库（如MySQL、MongoDB）的使用，具备数据建模、数据查询和优化能力。
12. 了解版本控制工具Git的使用规范。熟悉主流大模型（如GPT系列、LLaMA、文心一言等）的原理、部署方法，有本地化部署、微调（Fine-tuning）或适配经验。
13. 掌握模型训练框架（如PyTorch、TensorFlow），能处理训练数据预处理、模型评估与优化。
14. 熟悉知识库搭建技术（如向量数据库、知识图谱），能实现大模型与知识库的结合（如RAG技术）。
15. 具备良好的沟通协作能力和团队意识，能配合产品、测试等团队高效推进项目，清晰表达技术思路和方案。
16. 关注AI领域前沿技术，学习能力强，能快速适应技术迭代，主动探索新技术、新方法并应用于实际工作。
17. 具备良好的文档撰写能力，能规范编写技术文档、接口文档等相关资料。