大模型应用工程师

一、岗位背景与趋势
2025-2026 年是 AI 应用从“对话”走向“行动”的关键年。我们不再满足于简单的 Chatbot，而是致力于构建自主代理（Agent）、图谱增强（GraphRAG）与工作流编排（Workflow） 驱动的工业级系统。本岗位将直接接触Model Context Protocol (MCP)、LangGraph 编排、自动化评估（Eval） 等前沿技术栈。我们需要一位工程基础扎实、对 AI 架构有追求的工程师，与团队共同攻克技术深水区。
二、核心职责 (Responsibilities)
1.工业级多智能体编排（Multi-Agent Orchestration）：
1.参与研发支持高并发、高可用的大模型多智能体总控系统（Orchestrator）。
2.基于 LangGraph/StateGraph 思想，解决真实业务高峰期多个 Agent 之间的资源争抢、状态锁定及死锁问题。
3.为复杂的 Agentic Workflow 设计类似于分布式 Saga 的事务控制与状态回滚（Rollback）机制。
2.Advanced RAG 研发与调优：
1.深入业务深水区，构建并优化千万级文档的检索增强生成系统。
2.落地 GraphRAG（知识图谱检索）、动态 Query 意图路由、多路混合召回（Dense + Sparse + Graph）及 RRF 重排序策略。
3.从根本上解决工业复杂长文本的“召回难、幻觉多”痛点。
3.动态工具与协议标准化：
1.基于 MCP (Model Context Protocol) 或自研标准，设计 Skill Agents 的动态发现、注册与调用机制。
2.赋予大模型在陌生环境中动态理解 OpenAPI Schema 并进行自我纠错（Self-Correction）的能力。
4.工程化与性能优化：
1.负责 Agent 运行时环境与通信总线的开发与维护（主流语言 Python）。
2.协助进行模型推理优化（如 vLLM 部署、缓存策略），降低 Token 成本与首字延迟（TTFT）。
5.评估体系与安全合规：
1.构建自动化评估 pipeline（LLM-as-a-Judge），监控线上效果，建立数据飞轮持续迭代。
2.负责 AI 安全护栏建设，防御提示词注入、数据泄露及内容合规风险。
三、任职要求 (Requirements)
1. 编程语言与基础（硬性）
Python 精通： 具备扎实的 Python 编程能力，熟悉异步编程（Asyncio）、多线程/多进程，了解内存管理及性能优化。
工程化能力： 熟悉 Linux 环境，熟练使用 Docker、Git，了解 CI/CD 流程，代码风格规范，具备良好的文档习惯。
后端基础： 熟悉 Web 框架（FastAPI/Flask），了解消息队列（Kafka/RabbitMQ）及数据库（MySQL/PostgreSQL）的使用。
2. 大模型与 Agent 生态（硬性）
落地经验： 至少有一个完整的大模型应用落地项目（非 Demo），熟悉 LangChain、LlamaIndex 或 LangGraph 等框架的原理与使用。
RAG 实战： 深刻理解向量数据库（Milvus/Qdrant/ES）的使用，有实际处理过检索精度优化、数据清洗、分片策略的经验。
Agent 开发： 理解 Function Calling、Tool Use 原理，有实现过复杂任务编排或工作流引擎的经验。
模型理解： 理解 Transformer 基本原理，熟悉主流模型特性，具备 Prompt Engineering 及基础微调（SFT/LoRA）认知。
3. 架构与思维（硬性）
问题解决： 具备独立排查生产环境问题的能力，能区分是模型问题、检索问题还是代码逻辑问题。
学习潜力： 对新技术保持敏感，能够快速阅读英文文档及论文，并将其转化为工程实践。
四、加分项 (Nice to Have)
以下技能不作为入职门槛，但具备者将获得更高定级及重点培养：
Rust 语言： 具备 Rust 开发经验，理解所有权机制、Actor 模型（如 Actix），能参与高性能模块重构。
高并发架构： 有分布式系统设计经验，理解一致性协议、事务处理及高可用架构设计。
开源贡献： 在 Github 上有 AI 相关开源项目贡献或高 Star 项目。
硬核场景： 有在工业制造、金融交易等对“准确率与可用性”要求极苛刻的场景落地经验。
底层优化： 熟悉 vLLM、TensorRT-LLM 等推理引擎及显存调度优化策略。
前沿技术： 熟悉 SLM（端侧模型）、多模态大模型（LMM）或具身智能相关技术。
五、我们提供 (Benefits)
技术成长： 接触行业前沿的 Multi-Agent、GraphRAG 与 MCP 协议，资深架构师一对一指导，提供充足的学习缓冲期。
核心业务： 直接参与公司核心 AI 产品线，拒绝边缘业务，您的代码将直接产生业务价值。
算力资源： 充足的 GPU 算力集群及真实且极具挑战的工业级海量业务数据。
氛围文化： 扁平化管理，拥抱新技术，鼓励试错与创新，定期技术分享。
其他福利： 弹性工作制，年度体检，节日福利，团建活动。