中级大模型应用开发工程师

岗位定位
作为公司智能Agent方向的中坚技术力量，你将独立负责大模型应用与智能Agent系统的核心模块开发与落地。该岗位要求具备扎实的技术功底与项目实战经验，能够在技术专家的指导下承担复杂系统的设计与实现，是团队技术攻坚的主力军。
岗位职级
P5/P6
岗位职责
1. 智能Agent架构设计与技术选型
1.1独立负责智能Agent系统中一个或多个核心模块的设计与开发，包括意图识别、任务规划与拆解、长短期记忆管理、外部工具调用（Function Calling / Tool Use）、多轮对话状态维护等。
1.2参与系统架构讨论，所负责模块的技术方案设计、接口定义与实现，确保模块的高内聚、低耦合与可扩展性。
1.3根据业务需求，完成技术选型的调研与落地，包括模型选型建议、框架选择、数据库选型等。
2. RAG与知识工程
2.1主导检索增强生成（RAG）链路的实现与优化，完成向量数据库选型、索引构建、检索策略调优、重排序（Rerank）及与大模型的协同推理。
2.2负责知识库的构建与维护，包括文档解析、切片策略、Embedding模型选择与优化，持续提升检索准确率与召回率。
3. 模型微调与垂直领域优化
3.1基于开源大模型（如Qwen、Llama、DeepSeek等），独立完成垂直领域数据的指令微调（SFT）、高效微调（LoRA/QLoRA）及效果评估。
3.2参与模型对齐工作（DPO/RLHF），协助设计数据策略与训练方案，持续优化模型在特定场景下的表现。
3.3建立模块级的模型评估体系，设计评测集与自动化评测流程，驱动模型效果持续提升。
4. 工程化落地与全链路开发
4.1负责API服务封装、推理性能优化、服务稳定性保障等工作，确保系统在高并发场景下的低延迟与高可用。
4.2参与端到端的开发、部署与观测体系建设，完成从原型到生产环境的全链路落地。
5. 前沿探索与技术沉淀
5.1跟踪大模型、Agent框架（LangChain、AutoGen、Semantic Kernel等）、推理模型及多模态技术的最新进展，参与技术预研与可行性验证。
5.2负责关键模块的技术文档撰写，参与代码规范制定与知识沉淀。

任职要求
1. 学历与专业
本科及以上学历，硕士、博士优先，6年及以上工作经验，计算机科学、人工智能、软件工程等相关专业，毕业于国内知名理工科院校，华科大、浙大等985高校或计算机学科优势高校优先。
2. 技术基础与原理理解
具备扎实的编程能力，熟练掌握Python，熟悉PyTorch/TensorFlow等深度学习框架的基本使用；深入理解Transformer架构、大模型推理与微调的基本原理，熟悉LoRA、Q-LoRA等高效微调方法；熟悉Agent主流架构模式（ReAct、Plan-and-Solve等），了解长期记忆机制、多Agent协作的基本概念。
3. 大模型与Agent实践经验
有实际的大模型应用或Agent开发项目经验，能够清晰阐述技术决策、实现细节及迭代过程，能够独立完成以下至少两项工作：
A：基于开源模型在垂直领域数据上进行微调并完成效果评估；
B：搭建过具备工具调用、多轮对话或复杂任务规划能力的Agent系统；
C：实现过RAG系统的基础链路。
4. 工程与开源能力
4.1后端与平台框架：具备扎实的后端开发能力，掌握至少一种主流后端技术栈（Java/Go/Python），掌握关系型数据库（如PostgreSQL、MySQL）的设计与优化，熟悉至少一种NoSQL数据库（如MongoDB、Redis）及向量数据库（如Milvus、Qdrant、Chroma）的使用场景与集成方式，具备基础的前端开发能力（如React、Vue等），能够独立完成演示界面或管理后台的搭建。
4.2大数据能力：熟悉大数据处理工具（如Spark、Flink、Pandas、DuckDB等）或具备数据清洗、标注、特征工程等相关经验，能够处理模型训练所需的数据。
5. 工具链与工程生态
5.1熟悉至少一种主流Agent开发框架（LangChain、LlamaIndex、AutoGen、Dify等）的基本使用；了解大模型推理部署工具（vLLM、FastChat、Ollama等）的基本概念；了解Docker、Kubernetes等云原生技术的基础使用，有模型服务化部署经验者优先。
6. 学习能力与自驱力
6.1对国内外新兴大模型产品保持高度关注，具备快速学习新技术并将其转化为工程方案的能力。
6.2具备良好的逻辑思维与问题解决能力，善于沟通协作，能够在快速变化的技术环境中持续成长。