大模型应用工程师

深入业务一线，挖掘、梳理并抽象业务痛点，将模糊、零散的业务需求转化为可落地的大模型/智能体（Agent）解决方案。

基于主流大模型（GPT、Claude、Kimi、DeepSeek）设计并构建面向具体业务场景的智能体应用，覆盖RAG知识问答、工具调用、多智能体协作、工作流编排等形态。

负责智能体应用的全生命周期：方案设计、PoC原型验证、工程化开发、上线部署及持续迭代优化。

设计与优化Prompt工程、上下文管理与记忆机制，持续提升应用的效果、稳定性与可控性。

搭建大模型应用的评测体系，建立效果评估指标，监控并优化准确率、响应延迟、Token成本与幻觉率等关键指标。

落地RAG、检索优化、Fine-tuning、模型路由等技术手段，解决幻觉、知识时效性、领域适配等核心问题。

与产品、算法、后端、数据等团队紧密协作，推动智能体应用从0到1及规模化复制落地。

跟踪大模型与Agent领域前沿进展，沉淀技术方案、最佳实践，并对内进行技术赋能

硕士及以上学历，985/211或QS前列院校优先；计算机人工智能、软件工程、数学等相关专业。工作年限与年龄不限，以实际能力和项目成果为准。

扎实的工程能力，精通Python（熟悉Java/Go者优先），具备良好的代码规范、系统设计与抽象能力。

深入理解主流大模型的原理、能力边界与适用场景，有丰富的实际调用与应用经验。

熟练掌握主流应用开发框架，如LangChain、Llamalndex LangGraph、AutoGen、Dify等其中一种或多种。

具备RAG全链路实战经验：文档解析与切分、向量化、向量数据库（Milvus/Faiss/Pinecone等）、检索与重排优化

熟悉Agent核心技术：FunctionCalling/ToolUse、ReAct、Planning、多智能体编排、MCP等。

精通Prompt工程，有复杂业务场景下的提示词设计与系统性调优经验。

至少主导过1个以上生产级智能体/大模型应用的完整落地（从需求到上线）。

较强的业务理解与需求抽象能力，能独立将业务痛点拆解为可执行的技术方案。

良好的沟通协作能力、自驱的学习能力和对前沿技术的热情