AI应用架构研究员

1.负责大模型应用平台的整体架构设计，解决性能、成本、稳定性问题；

2.智能体运行底座（Agent Harness）：工具调用、任务编排、状态管理、出错恢复；

3.Agent闭环：自我检查、纠错、重试，完成多步任务；

4.RAG全链路，Agent的检索和记忆架构；

5.评测和监控体系：Golden Set、LLM-as-Judge、回归测试、成本监控；

6.国产大模型的私有化、信创（昇腾）适配，推理优化和模型服务化；

7.关键技术选型、工程规范、技术评审等。

1.应届博士，计算机科学、人工智能、软件工程等相关专业；

2.理解大语言模型基本原理（Transformer、Attention、Token）；

3.熟练使用至少一个LLM API（OpenAI/Anthropic/国内模型均可），参与过完整的AI应用项目或课程设计；

4.了解RAG全流程，能清晰描述切片、Embedding、检索、生成各环节的作用；

5.熟练使用向量数据库（Milvus/Chroma/Qdrant/PGVector任一即可）与Embedding模型（如BGE系列、OpenAI Embedding等）；

6.具备基本的数据结构设计能力，理解结构化与非结构化数据的本质差异等；

7.了解知识图谱或图数据库的基本概念；

8.发表过顶会论文或参加过地方或国家级课题研究者优先。