大模型应用开发工程师

【职位背景】
我们正在构建下一代智能报告审核系统，旨在利用大语言模型（LLM）替代传统人工对复杂的专业报告（如财报、尽调报告、法律文书）进行合规性检查、逻辑校验和风险点挖掘。这是一个高度复杂的Agentic Workflow系统，需要结合RAG（检索增强生成）与多轮规划（Planning）能力，解决长文本、高精度、强逻辑的业务挑战。

【岗位职责】
1. 核心引擎开发： 参与设计并开发基于大语言模型的报告审核引擎，负责核心功能的代码实现，包括报告解析、指令理解、关键信息抽取与逻辑一致性校验。
2. Agent应用构建： 利用LangChain、LangGraph或Agno等框架，设计和实现复杂的多Agent协作系统（如主管Agent、审核Agent、检索Agent、反思Agent），以完成长文档的自动化审核流程。
3. RAG系统优化： 负责RAG链路的工程落地与优化，包括但不限于：文档分块（Chunking）策略优化、Embedding模型选型、混合检索（关键字+向量）召回、重排序（Rerank）以及Prompt压缩，提升知识召回的准确率。
4. 工作流编排： 基于LangGraph或类似的StateGraph框架，设计具备状态管理、循环、分支判断能力的复杂业务流程，确保审核逻辑的可控性和可解释性。
5. 性能与效果调优： 针对大模型推理的幻觉问题，设计校验机制（如Self-Consistency, Function Calling校验）；优化Token消耗，降低响应延迟，提升系统稳定性。

【任职要求】
1. 硬性门槛：
￮ 统招本科及以上学历，计算机、数学或相关专业，3年以上 Python开发经验，编码习惯良好，熟悉类型注解和异步编程（Asyncio）。
2. 大模型基础：
￮ 深入理解Transformer架构、大模型推理原理（如 Attention 机制）、Tokenization 及常见的 Prompt Engineering 技巧（Chain-of-Thought, ReAct）。
￮ 熟悉常用大模型（如GPT系列、Claude、Llama、Qwen等）的 API 调用及差异，了解 Function Calling / Tool Calling 的原理。
3. Agent框架经验（核心加分项）：
￮ 加分： 熟悉 LangChain 生态，熟悉 LangGraph，能够理解 State, Node, Edge 的概念，并利用其构建复杂的循环和图状工作流（有实际落地案例者优先）。
￮ 加分： 熟悉 Agno (原Phidata) 框架，或有使用类似框架构建多Agent系统的经验。
4. RAG实践经验：
￮ 熟悉 RAG 技术栈，掌握至少一种主流向量数据库（如 Milvus, Chroma, Qdrant, Weaviate）的使用与优化。
￮ 了解文本分割的难点（如表格、长文本语义连贯性），有实际解决 RAG 中“查全率”与“查准率”平衡问题的经验。
5. 综合素质：
￮ 具备优秀的逻辑思维能力，能够将复杂的业务规则（审核逻辑）转化为清晰的技术方案和Agent提示词。
￮ 对技术有热情，具备良好的团队沟通能力和抗压能力。

【加分项】
• 有行业报告处理或审核系统开发经验者优先。
• 有模型微调（SFT/RHLF）经验者优先。
• 在 GitHub 上有高质量的开源项目（尤其是 Agent / RAG 相关）或技术博客者优先。