资深AI算法工程师

RAG应用开发与优化：负责基于大模型技术（LLM）的Agent、知识库系统及检索增强生成（RAG）应用的设计与开发；重点攻坚RAG技术的架构设计与优化，解决大模型在垂直领域应用中的幻觉、实时性及数据安全问题；优化RAG全链路，包括Query改写、重排序（Re-ranking）、混合检索（Hybrid Search）等，提升检索准确率与生成质量。

企业级知识库构建：负责知识库的全流程搭建与维护，包括文档清洗、切片策略优化、Embedding模型选型，以及向量数据库（如Milvus、Qdrant、Pinecone等）的搭建、性能调优与运维；熟悉HyDE、Self-RAG、多路召回等常见检索优化技巧，并具备知识图谱搭建经验，涵盖实体识别、关系抽取、图数据库（如Neo4j）的建模与查询、知识融合与推理等。

模型部署与工程化：负责大模型（包括开源模型如Qwen、Llama、ChatGLM等及API接入）的私有化部署、服务封装（FastAPI/Flask）与线上监控，并应用 vLLM、TensorRT、TGI、Ollama 等推理框架进行推理加速与性能优化，最终实现在资源受限环境下的高效运行。

学历与经验：计算机、数学、自动化等相关专业硕士及以上学历；5年以上AI算法相关工作经验。

编程与工程能力：熟练掌握Python，具备良好的工程编码习惯。 熟悉Linux开发环境，熟练使用Docker进行环境封装。

RAG与知识库实战经验：深入理解RAG原理，熟悉LangChain、LlamaIndex等主流开发框架；具备从零搭建知识库的项目经验，熟悉主流的Embedding模型（如BGE、M3E、OpenAI Embedding等）及向量数据库；熟悉HyDE、Self-RAG、多路召回等常见检索优化技巧。

大模型部署与微调经验：拥有大模型私有化部署实战经验，熟悉至少一种开源大模型的微调与推理部署；具备Prompt工程实战经验，能根据业务场景设计高效指令模板。

加分项：具备图像处理经验，如图像分类、目标检测、图像分割、OCR等传统计算机视觉任务；熟悉多模态模型（如CLIP、LLaVA、Qwen-VL等）的使用、微调或部署；有图文联合检索、图像内容理解与大语言模型结合的项目经验者优先。