职位描述
机器学习知识图谱OpenCV人工智能
岗位职责：
1. 负责AI智能体系统的整体架构设计与核心模块开发，支持单智能体、多智能体、自主Agent等多种
类型智能体的构建、优化与迭代。
2. 设计并实现高可用、高质量的分层知识库系统（包括向量数据库、传统数据库、知识图谱等），为
智能体提供结构化、语义化的知识支持与可靠决策依据。
3. 开发多源异构数据抽取与结构化处理模块，从文档、网页、数据库、API等多种来源高效提取高价
值信息，并构建可供智能体调用的多维知识因子与工具链。
4. 深度参与知识图谱的构建、维护与应用，包括实体抽取、关系抽取、本体设计、图谱补全、图谱查
询优化、图神经网络（GNN）在Agent推理中的融合等，推动知识图谱成为智能体长时记忆与复杂
推理的核心支撑。
5. 持续跟踪大语言模型（LLM）、AI Agent、RAG、知识图谱、多模态理解等前沿技术动态，将最新
研究成果快速转化为可落地的产品能力。
6. 与产品、算法、前端、后端、DevOps等团队紧密协作，完成智能体系统的高效集成、线上部署、
监控与持续迭代优化。
任职要求：
1. 本科及以上学历，计算机、人工智能、软件工程、数据科学等相关专业；
2. 3年以上AI应用开发经验，至少主导或核心参与过1个以上AI智能体/Agent落地项目（如AutoGPT类
自主Agent、行业垂直Agent、虚拟助手、企业级知识助手等）；
3. 熟练掌握Python（优先）或Java，深入使用过LangChain、LlamaIndex、LangGraph、
AutoGen、CrewAI等主流Agent开发框架；
4. 熟悉主流大模型API调用与优化（OpenAI、DeepSeek、Claude、Qwen、Grok、Gemini等），有
提示工程、Function Calling、工具调用链路优化经验；
5. 必须掌握知识图谱相关技术，熟悉Neo4j、TigerGraph、RDF、OWL等图数据库或知识图谱存储方
案，有实体/关系抽取、知识融合、图谱问答、GNN在Agent中的应用经验者优先；
6. 了解并实践过以下一项或多项LLM增强技术：RAG（含高级RAG）、Fine-tuning
（SFT/LoRA/QLoRA）、RLHF/DPO、Agentic Workflow、长期记忆机制、多Agent协作等；
7. 具备较强的系统设计能力、工程实现能力和问题解决能力，能在需求模糊、资源有限的环境中推动
复杂任务落地；
8. 优秀的团队协作与沟通能力，能够与产品、设计、前后端等多角色高效配合，共同交付高质量系
统；
9. 对AI技术充满热情，自驱力强，愿意持续学习和拥抱技术快速迭代。
加分项（优先考虑）：
有开源AI Agent/知识图谱/RAG相关项目或GitHub活跃贡献
参与过多Agent系统（MAS）、具身智能（Embodied Agent）、企业级知识中台建设经验
熟悉向量数据库（Milvus、Weaviate、Pinecone等）与知识图谱的混合存储与检索方案
有工业、金融、法律、医疗等垂直领域Agent/知识图谱落地经验了解Agent安全、对抗、幻觉控制、可解释性等前沿方向
