算法工程师（本体研发）

1. 01

   大模型优化：负责大语言模型（LLM）及多模态模型的性能评估与瓶颈分析，应用量化（INT4/INT8）、剪枝、蒸馏等技术，显著提升模型在 GPU/NPU 上的推理效率，降低部署成本。

2. 02

   小模型开发：负责面向特定任务的轻量级模型研发——基于业务数据微调/训练分类、实体抽取（NER）、意图识别、排序、重排序等任务模型；将大模型能力蒸馏为小模型以降本增效；负责小模型的评测、压缩与在 GPU/NPU/边缘端的部署。

3. 03

   智能体应用研发：基于 LangChain / LangGraph / AutoGen 等框架，构建具备复杂推理（Reasoning）、规划（Planning）和工具调用（Tool Use）能力的 AI 智能体；负责 Agent 的任务拆解、记忆管理（Memory）及多 Agent 协作流程设计。结合本体语义层，提升智能体在复杂业务中的推理准确性与可解释性。

4. 04

   RAG 与知识增强：负责检索增强生成（RAG / KAG）系统的全链路优化，包括文档切分策略、Embedding 模型选型与微调、向量检索优化及重排序（Reranking）算法，解决大模型幻觉与知识时效性问题；探索以本体/知识图谱约束检索与生成。

5. 05

   业务场景落地：深入理解公司核心业务场景（如设备资产管理、供应链协同、运营监控、经营分析、合规审核等），将大模型/小模型能力与业务流程结合，设计并实现 AI 原生应用（智能数据分析、自动化报告生成、决策辅助系统等）。

6. 06

   工程化交付：协同后端团队，将智能体与应用封装为高可用、可扩展的 API 服务，负责应用层性能优化与稳定性保障。

7. 07

   参与平台能力建设：将验证有效的提示词模板、Agent 工作流及模型/推理规则封装为平台可复用组件，参与平台 AI 能力层建设。

硕士研究生 计算机科学与技术、人工智能、自动化等相关专业

1. 01

   学历背景：硕士及以上，计算机科学与技术、人工智能、软件工程、自动化、数据科学、数学与统计学等相关专业（特别优秀者可放宽）。

2. 02

   编程基础：精通 Python，具备优秀逻辑思维与代码规范；熟悉 FastAPI 等 Web 框架，有全栈开发经验者优先。

3. 03

   大模型与智能体应用能力： 深入理解 LLM 原理，具备基于 HuggingFace、OpenAI API 等生态的实战经验； 熟练掌握 LangChain、LlamaIndex、LangGraph 等至少一种主流 Agent 开发框架； 具备 RAG 系统开发经验，熟悉向量数据库（Milvus、Chroma、Elasticsearch 等）及 Embedding 模型； 有传统机器学习/小模型微调（分类、NER、排序、重排序）或模型蒸馏经验者优先。

4. 04

   问题解决能力：具备强逻辑思维与抽象能力，能够将复杂业务需求转化为大模型可执行的方案；对解决模型幻觉、上下文长度限制、小模型精度与成本权衡等问题有清晰思路。

5. 05

   综合素质：具备出色自驱力与快速学习能力，对前沿 AI 应用有持续关注；具备良好团队协作与沟通能力；认可"做业务完善产品"的导向。

加分项

1. 01

   在 GitHub 上有高质量 AI 应用项目（复杂 Agent 工作流、创新 RAG 架构、小模型蒸馏部署等），或参与过知名开源项目贡献；

2. 02

   了解本体建模技术，能够基于业务构建"对象—关系—动作"的本体层，利用知识图谱或决策图谱提升 Agent 在复杂业务中的推理准确性与可解释性——此项与本体工具平台定位高度契合，为重点加分项；

3. 03

   有小模型蒸馏、量化部署或端侧/边缘部署经验。