大模型应用工程师

二、岗位要求
1. 学历与专业：本科及以上学历，计算机科学与技术、电子信息工程、自动化、人工智能、软件工程等相关专业；硕士学历或具备相关领域深耕经验者优先。
2. 核心技术能力：
◦ 精通LLM（大语言模型）相关技术，包括模型选型、微调（SFT）、提示工程（Prompt Engineering）、模型压缩与量化，熟练掌握至少一种主流LLM框架（如Hugging Face Transformers、LangChain、LlamaIndex）。
◦ 深入理解并实操过RAG（检索增强生成）技术栈，包括文档加载、文本分割、向量存储（如FAISS、Milvus）、检索策略设计、上下文融合，能独立搭建高精准度的专业领域问答系统。
◦ 具备Agent智能体架构设计与开发经验，熟悉任务规划、记忆机制、工具调用、多智能体协作等核心模块，能基于LLM与RAG构建具备自主决策能力的智能体系统。
◦ 精通自然语言处理（NLP）技术，包括意图识别、语义理解、对话管理等，具备语音识别（ASR）、语音合成（TTS）技术应用经验，熟悉主流语音引擎的集成与二次开发。
◦ 掌握机器学习/深度学习算法基础，具备算法模型设计、训练、调优的实操能力，熟练掌握至少一种编程语言（Python/C++/Java），具备扎实的数据库知识与向量数据库应用经验。
◦ 具备大模型本地化部署实战经验，熟练掌握主流大模型（如LLaMA、ChatGLM、Qwen等）的本地化部署、裁剪压缩、量化优化技术，熟悉Docker、Kubernetes等容器化部署工具，能解决本地部署中的资源占用、推理延迟、兼容性等核心问题。

3. 项目经验：
◦ 具备基于LLM+RAG+Agent架构的智能产品研发经验，有智能语音交互系统、智能问答机器人、语音控制类产品或
相关领域项目背景者优先。
◦ 曾主导或核心参与LLM微调、RAG知识库搭建、Agent智能体开发的完整项目周期，能独立解决项目中的关键技术问题（如模型幻觉、检索精准度低、决策逻辑混乱等）。
◦ 有大模型本地化部署相关项目经验，曾负责大模型在特定硬件环境（如边缘设备、工控机）的适配、部署与性能调优，能提供相关项目案例或技术成果者优先。