1、AI架构规划与落地:负责团队AI技术路线规划,主导CRM、SRM、PMS等系统的智能化升级。基于开源大模型(LLM)进行场景化微调(Fine-tuning),构建企业级知识库与智能应用;
2、智能体(Agent):设计并搭建基于LLM的智能体(Agent),实现复杂业务流的自动化(如:自动寻源助手、项目风险预警代理、智能合同审核员),整合工具调用(Function Calling)与工作流编排;
3、RAG系统构建:负责向量数据库(Vector DB)的选型、部署与优化,构建高精度的检索增强生成(RAG)系统,解决企业私有数据问答、文档摘要及知识检索痛点;
4、多模态算法应用:利用Transformer、CNN、RNN等经典深度学习技术,处理非结构化数据(如:0CR票据识别、供应链图像质检、时序销量预测),并与大模型能力融合;
5、团队管理与工程化:带领算法团队完成从原型验证到生产部署的全流程,负责模型性能监控、推理加速(vLLM/TensorRT)及成本控制,确保系统高可用。
要求:
1、经验背景:硕士及以上,计算机、数学或相关专业,5年以上算法研发经验,其中2年以上大模型应用或团队管理经验。有B端系统(ERP/CRM/供应链)AI落地经验者优先。
2、核心技术(必备):
深度基础:精通Transformer架构原理,熟练掌握CNN(图像处理)、RNN/LSTM/GRU (时序数据)等传统深度学习网络,能灵活组合解决多模态问题。
大模型应用:精通LangChain/LlamaIndex等框架,熟练使用向量数据库
(Milvus/Faiss/Pinecone/Elasticsearch),具备RAG全链路优化经验(检索重排序、切片策略)。
微调与Agent:熟练掌握LoRA/P-Tuning等微调技术,有使用开源模型(Llama 3,Qwen,ChatGLM等)进行垂直领域适配的实战经验;具备Agent搭建能力(ReAct,Plan-and-Solve,Multi-Agent协作)。
3、工程能力:精通Python,熟悉PyTorch/TensorFlow框架;了解Docker/K8s部署,具备模型服务化(Serving)及高并发推理优化经验。
4、业务思维:不盲目追求SOTA,能以业务价值为导向,在成本、延迟与效果之间找到最佳平衡点,善于将AI技术转化为具体的业务功能。
[加分项]
有供应链销量预测、智能采购推荐或财务风控模型落地经验;
熟悉Graph RAG(知识图谱+RAG)技术;
在GitHub有开源AI项目或顶级会议论文发表;
熟悉Prompt Engineering高级技巧及自动化评估体系。