AI后端开发工程师-上海(J13915)

负责大模型应用后端系统研发与落地，核心承担LLMWiki企业知识库、智能问答、文档检索、知识管理相关技术方案设计、开发、迭代与运维工作，保障系统稳定、高效、可扩展运行。

主导RAG检索增强生成体系工程化落地，包括文档解析、切片分块、向量化存储、检索排序、Prompt工程、上下文优化等全链路模块开发，解决知识库问答幻觉、检索不准、响应慢等核心问题。

基于LangChain、LlamaIndex、Dify等主流大模型应用框架，搭建标准化、可复用的LLM知识库服务架构，支撑业务侧智能客服、企业知识库、行业问答助手、AI检索分析等场景落地。

负责向量数据库（Milvus、Qdrant、ES等）的选型、部署优化、数据治理与性能调优，优化海量文档检索效率、准确率，支撑大规模知识库业务场景。

对接开源/闭源大模型接口，完成模型推理、流式输出、多轮对话、权限管理、会话管理等后端能力封装，输出标准化API服务，对接前端及业务系统。

跟进大模型应用前沿技术，持续优化知识库迭代方案，优化服务并发、稳定性、可用性，沉淀LLMWiki落地实践与技术规范。

配合产品、算法、业务团队进行需求拆解、技术评审、方案落地，保障项目高效交付，支撑业务规模化落地。

基础要求

本科及以上学历，计算机、软件工程、人工智能等相关专业，3年及以上AI后端/大模型应用后端开发经验。

扎实的后端开发功底，熟练使用JAVA、Python开发，精通主流后端框架，熟悉异步编程、高并发服务开发、接口设计与性能优化。

熟悉Linux开发环境、Git版本管理、Docker容器化部署，具备完整的后端项目开发、上线、运维迭代经验。

核心技术能力（硬性要求）

深度掌握RAG核心原理与工程化落地流程，具有完整LLMWiki/企业智能知识库项目从0到1落地经验优先，熟悉文档解析、分块策略、向量检索、重排序、问答生成全链路。

熟练使用LangChain、LlamaIndex、Dify等大模型应用开发框架，能够独立完成知识库架构设计、功能开发与问题调优。

熟练掌握Milvus、Qdrant、ES等向量/检索数据库的使用、调优与实战落地，具备海量文档知识库优化经验。

熟悉大模型API调用、流式输出、多轮对话、Prompt优化、上下文管理，了解LLM推理基本原理，能够针对性解决业务场景下的问答偏差、幻觉、响应延迟问题。

综合素质

具备良好的代码规范、技术方案设计能力、问题排查能力，能够独立负责模块及项目落地。

逻辑清晰，沟通协作能力良好，具备较强的业务理解能力和自我驱动力，乐于跟进AI新技术并落地到业务中。

优先加分项：

有LLMWiki、企业私有知识库、行业智能问答系统、RAG平台的独立落地经验者优先（核心加分）。

有大模型Agent、工作流编排、工具调用、知识库权限体系、版本管理、文档增量更新开发经验。

熟悉模型微调、量化部署、推理加速，具备端到端大模型应用平台化建设经验。

有行业垂直AI问答系统落地经验。