AI工程师

职位描述

岗位职责 核心聚焦大语言模型（LLM）落地应用、业务赋能与⼯程优化，围绕LLM打造可落地、可复⽤、⾼性价比的AI应用体系，解决各类实际业务智能化痛点，具体职责如下： 1. ⼤语言模型选型、应用落地与效果优化 主导主流大语言模型（OpenAI GPT、Google Gemini、百度文心一言、阿里通义千问、智谱AI等）的业务选型、接入部署与商业化落地应用，深耕LLM应用层开发，不局限于底层模型训练，重点实现大模型能力的业务赋能。熟练运用Prompt Engineering全套应用优化技巧，包含结构化提示词、Few-Shot/Zero-Shot、思维链（CoT）、多轮对话优化等，持续打磨模型输出的准确性、逻辑性和适配性。精通LLM核心参数调优（temperature、top_k、top_p、最大生成长度等），平衡模型推理效果、响应速度与调用成本，适配不同业务场景需求。 2. 基于LLM的AI Agent应用开发与场景落地 以大语言模型为核心基座，负责AI智能体（Agent）的应用设计、功能开发、场景落地与迭代优化，熟练运用LangChain、LlamaIndex、CrewAI、AutoGen等主流Agent应用开发框架。依托LLM的理解、推理、生成能力，构建具备工具自主调用、多步任务推理、状态自主管理、结果自我纠错、多轮任务闭环的智能Agent。实现LLM与外部工具、业务API、数据库、代码解释器、知识图谱的协同联动，落地自动化办公、智能任务拆解、批量业务处理、复杂场景自主决策等Agent应用场景。搭建Agent应用效果评估体系与可观测能力，持续优化智能体的任务执行成功率、决策可靠性与响应效率。 3. AI应用工程化开发 使用Python/Go/Java开发高效、可维护的LLM相关应用代码，熟练运用数据处理库完成业务数据清洗、适配LLM输入输出规范。掌握Git版本管理、Docker容器化部署、FastAPI/Flask接口开发等工程化能力，参与LLM应用系统的架构设计，保障各类AI应用的稳定性、可扩展性与安全性。 任职要求 核心要求（必选） 1. 学历与专业：本科及以上学历，计算机科学、人工智能、数据科学、数学、统计学等相关专业，1-3年及以上大语言模型应用开发、AI落地项目相关工作经验。 2. LLM核心应用能力：具备扎实的主流大语言模型实操与落地经验，熟练掌握GPT、文心一言、通义千问等至少1-2种主流LLM的接入、使用与场景化优化；精通各类Prompt工程应用技巧，可针对不同业务场景定制最优提示词策略；了解Transformer底层原理与大模型基础机制，可独立解决LLM应用中幻觉、输出不稳定、场景适配差、调用异常等常见问题。 3. RAG系统落地经验：具备独立设计、开发、迭代RAG检索增强系统的实战经验，熟悉向量数据库、文本切片、向量化检索、知识库搭建全流程，能够基于RAG架构落地企业私有知识问答、行业智能解析等LLM应用场景。 4. AI Agent应用开发能力：具备基于大语言模型的AI Agent开发落地经验，熟练掌握LangChain、LangGraph、CrewAI等至少一种主流Agent应用框架；理解ReAct、Plan-and-Execute等智能体架构模式，可独立完成Agent工具集成、任务编排、逻辑优化，有Multi-Agent协作应用落地经验者优先。 5. 编程与工程能力：精通Python编程语言，熟悉深度学习基础框架，具备规范的代码编写习惯与工程化思维；熟练掌握数据处理、API开发、Docker容器化部署等技能，保障LLM应用高效落地与稳定迭代。 加分项 1. 有大模型应用产品从0到1完整落地经验，熟悉LLM应用商业化、场景化迭代流程，有轻量化模型量化、蒸馏、线上部署优化经验优先。 2. 熟悉MLOps流程，具备LLM应用线上监控、迭代、运维的完整工程化经验，了解阿里云、火山云等主流云平台AI应用服务者优先。 3. 深耕NLP自然语言处理应用领域，有相关技术沉淀、竞赛获奖、论文产出者优先。 4. 有金融、医疗、制造、政企服务等垂直领域LLM AI项目落地经验，熟悉行业业务场景者优先。 5. 具备优秀的业务拆解、问题分析、跨团队协同能力，对大模型应用创新有强烈的探索欲和落地意识。

任职要求

• 学历要求：硕士
• 经验要求：1年经验
• 工作性质：全职