大模型应用工程师（提示词 / 智能体方向）

以下任意满足其一即可
1.多模态提示词开发:针对文本、图像(Nano Banana)、视频(Veo)等不同模型，设计并优化高精度提示词架构，搭建标准化提示词模板，确保产出内容既符合品牌统一美学规范，又能适配各模型技术特性，最大化模型输出效果。
2.智能体逻辑设计:负责AI Agent的Chain-of-Thought(思维链)和Reasoning(推理)路径设计，搭建完整的智能体执行流程，优化Agen的自主决策、任务拆解与闭环能力，提升复杂场景下的任务完成率与精准度;同时负责LLM对话流设计，优化多轮对话的连贯性、逻辑性与交互体验，解决对话卡顿、语义偏离等问题，打造自然且高效的人机对话场景。
3.提示词攻防与安全性:负责提示词注入(Injection)、Prompt泄露等安全风险的防御测试与方案优化，建立提示词安全校验机制，确保A输出严格符合伦理准则、行业规范及企业安全要求，杜绝敏感信息泄露、违规内容生成等问题。
4.性能评估与迭代:利用自动化工具开展提示词AB测试，量化评估提示词的精准度、效率及适配性;实时监控Token消耗、响应延迟等核心指标，在保证输出质量的前提下，优化提示词结构以降低成本、提升执行效率，形成持续迭代的优化机制。
5.跨部门共创与资产沉淀:联动设计师、程序员、市场等多部门，精准拆解业务需求，将其转化为可工程化、可复用的AI指令集;牵头搭建企业内部提示词资产库，完善分类、检索及更新机制，实现提示词资源的高效复用与规模化管理。
二、任职要求
1.模型直觉(Model Intuition):深度理解Transformer架构核心原理，熟悉各类主流模型(如Gemini3 Flash、GPT-Next等)的特性与适配场景，能够精准预测模型对特定语境、提示词的响应逻辑，快速定位并解决提示词适配问题。
2.工程能力:熟练掌握Python编程语言及各类AI AP调用，能够独立编写脚本实现大规模提示词测试、自动化校验;了解RAG(检索增强生成)、向量数据库的基本原理及应用场景，能够结合相关技术优化提示词效果与智能体性能。
3.LLM对话流设计能力:具备成熟的LLM多轮对话流设计经验，能够根据业务场景设计合理的对话逻辑、话术体系及容错机制，优化对话的自然度、连贯性与交互效率，解决多轮对话中的语义偏离、上下文丢失等问题。
4.智能体搭建经验:具备完整的智能体(AI Agent)搭建实战案例，能够独立完成智能体需求拆解、思维链设计、流程搭建、测试优化全流程工作，熟悉智能体核心模块的运作逻辑，能够应对搭建过程中的各类复杂问题。