崗位職責(zé)
1. 主導(dǎo)AI Agent全生命周期的體系化構(gòu)建
深度參與從需求定義、架構(gòu)設(shè)計(jì)、核心模塊開發(fā)到持續(xù)迭代優(yōu)化的完整流程，聚焦任務(wù)自動(dòng)化編排、工具調(diào)用鏈路可靠性、上下文感知的多輪對話管理等關(guān)鍵技術(shù)環(huán)節(jié)，打造具備自主決策能力、強(qiáng)泛化性與高魯棒性的企業(yè)級智能體系統(tǒng)，驅(qū)動(dòng)業(yè)務(wù)流程從“自動(dòng)化”向“認(rèn)知智能化”躍遷。
2. 推進(jìn)大模型在復(fù)雜企業(yè)場景中的工程化落地
主導(dǎo)Qwen3.0、DeepSeek-V3等前沿大語言模型在私有化環(huán)境下的部署、量化、推理加速與安全隔離；結(jié)合業(yè)務(wù)語義特征，設(shè)計(jì)并實(shí)施基于LoRA、QLoRA或全參數(shù)微調(diào)的定制化訓(xùn)練策略，實(shí)現(xiàn)模型能力與垂直領(lǐng)域知識(shí)的高度對齊，并通過A/B測試、指標(biāo)監(jiān)控與反饋閉環(huán)持續(xù)優(yōu)化推理質(zhì)量與響應(yīng)效率。
3. 構(gòu)建高精度、低延遲的RAG增強(qiáng)系統(tǒng)
從底層向量索引（如FAISS、Milvus）選型、文本分塊策略、嵌入模型（Embedding Model）微調(diào)，到檢索-生成協(xié)同機(jī)制（如HyDE、ReAct-RAG、Self-RAG）的設(shè)計(jì)，端到端打造支持多源異構(gòu)數(shù)據(jù)（結(jié)構(gòu)化/非結(jié)構(gòu)化）、具備動(dòng)態(tài)更新能力的企業(yè)級RAG引擎，顯著提升生成內(nèi)容的事實(shí)一致性、時(shí)效性與可追溯性。
4. 推動(dòng)AI原生應(yīng)用場景的規(guī)?；涞?br /> 統(tǒng)籌智能客服、數(shù)字人交互、企業(yè)知識(shí)中樞等關(guān)鍵場景的技術(shù)方案設(shè)計(jì)與跨團(tuán)隊(duì)協(xié)同實(shí)施，打通NLU、對話管理、TTS/ASR、知識(shí)圖譜等模塊，構(gòu)建統(tǒng)一Agent運(yùn)行時(shí)框架；負(fù)責(zé)性能壓測、容災(zāi)設(shè)計(jì)、日志追蹤與可觀測性體系建設(shè)，確保系統(tǒng)在高并發(fā)、多租戶、長周期運(yùn)行下的穩(wěn)定性與SLA達(dá)標(biāo)。
________________________________________
任職要求
1. 技術(shù)能力
? 精通Python生態(tài)，深入掌握asyncio事件循環(huán)機(jī)制、GIL影響下的并發(fā)模型、以及高性能I/O處理模式（如aiohttp、FastAPI、uvloop），能針對LLM推理服務(wù)設(shè)計(jì)低延遲、高吞吐的異步流水線。
? 熟練使用Docker/Kubernetes容器編排，具備在混合云或邊緣節(jié)點(diǎn)部署大模型服務(wù)的實(shí)際經(jīng)驗(yàn)，熟悉模型服務(wù)化框架（如vLLM、Xinference , SGlang）。
2. 專業(yè)知識(shí)
? 對Transformer架構(gòu)、注意力機(jī)制、KV Cache優(yōu)化等大模型底層原理有扎實(shí)理解；
? 深入掌握RAG系統(tǒng)的瓶頸與優(yōu)化路徑（如查詢重寫、多跳檢索、reranker集成、幻覺抑制），并熟悉Agent核心范式（如ReAct、Plan-and-Execute）及其工程實(shí)現(xiàn)挑戰(zhàn)；
? 具備至少一個(gè)完整AI Agent或RAG項(xiàng)目的端到端交付經(jīng)驗(yàn)，能獨(dú)立完成從POC驗(yàn)證到生產(chǎn)上線的全棧技術(shù)攻堅(jiān)。
3. 思維與視野
? 對AI Agent如何重構(gòu)企業(yè)工作流、人機(jī)協(xié)作邊界及組織智能具有深刻洞察，能前瞻性識(shí)別技術(shù)拐點(diǎn)與業(yè)務(wù)結(jié)合機(jī)會(huì)；
? 具備系統(tǒng)工程思維，能在模型能力、數(shù)據(jù)質(zhì)量、用戶體驗(yàn)與運(yùn)維成本之間做出合理權(quán)衡。
4. 加分項(xiàng)（高階能力）
? 熟悉主流Agent開發(fā)框架（如LangChain、LlamaIndex、Dify、RagFlow）的內(nèi)部機(jī)制，曾對其進(jìn)行二次開發(fā)或性能改造；
? 有大模型本地化部署經(jīng)驗(yàn)（支持4-bit/8-bit量化、FlashAttention、PagedAttention等），并完成過基于真實(shí)業(yè)務(wù)數(shù)據(jù)的SFT或RLHF微調(diào)；
? 在開源社區(qū)有貢獻(xiàn)記錄者優(yōu)先。