一、崗位要求 （一）崗位概述 1. 負(fù)責(zé)知識庫與知識圖譜的全流程開發(fā)，涵蓋構(gòu)建、維護(hù)及優(yōu)化工作，確保知識體系的高效存儲與靈活調(diào)用。 2. 主導(dǎo)智能體應(yīng)用的端到端開發(fā)，從概念設(shè)計到上線部署，打造具備高度交互性與智能決策能力的應(yīng)用產(chǎn)品。 3. 開展大模型的精細(xì)化微調(diào)與性能優(yōu)化，結(jié)合業(yè)務(wù)場景需求，提升模型的準(zhǔn)確性、效率與適應(yīng)性。（二）具體要求 1. 架構(gòu)設(shè)計與核心模塊開發(fā)：創(chuàng)新性地設(shè)計并搭建 AI 智能體架構(gòu)，深度推進(jìn)多模態(tài)交互（如語音、圖像、文本融合交互）、決策推理（基于復(fù)雜邏輯與概率模型）等核心模塊的開發(fā)，賦予智能體更自然、更智能的交互體驗(yàn)。 2. AI RAG + GRAPH 產(chǎn)品設(shè)計：全面主導(dǎo) AI RAG（檢索增強(qiáng)生成）+ GRAPH（圖技術(shù)）產(chǎn)品的頂層設(shè)計，包括但不限于功能架構(gòu)的合理規(guī)劃、用戶界面的簡潔美觀設(shè)計、交互流程的流暢優(yōu)化，以保障產(chǎn)品擁有卓越的用戶體驗(yàn)與極高的易用性。 3. RAG 與向量數(shù)據(jù)庫管理：運(yùn)用 RAG 技術(shù)精準(zhǔn)解決復(fù)雜業(yè)務(wù)場景問題，顯著提升業(yè)務(wù)效率。負(fù)責(zé)向量數(shù)據(jù)庫的搭建、日常管理與持續(xù)優(yōu)化，實(shí)現(xiàn)高效的相似性搜索與數(shù)據(jù)檢索功能，有力支撐業(yè)務(wù)決策與個性化推薦等關(guān)鍵業(yè)務(wù)。 4. 圖技術(shù)融合應(yīng)用：深入理解圖技術(shù)（GRAPH），包括圖數(shù)據(jù)庫（如 Neo4j 等）的架構(gòu)原理、圖算法（*短路徑、社區(qū)發(fā)現(xiàn)等）的應(yīng)用場景、知識圖譜的構(gòu)建與應(yīng)用，能夠?qū)D技術(shù)與 RAG 技術(shù)有機(jī)結(jié)合，創(chuàng)新產(chǎn)品設(shè)計，挖掘數(shù)據(jù)間潛在關(guān)系，提升產(chǎn)品的智能分析能力。 5. 提示詞工程優(yōu)化：專業(yè)地設(shè)計與優(yōu)化和 LLM（大語言模型）交互的提示詞，通過精準(zhǔn)的語義引導(dǎo)，確保模型能夠準(zhǔn)確理解并高效執(zhí)行業(yè)務(wù)需求，顯著提升模型的應(yīng)用效果與用戶滿意度。 6. AI 解決方案落地：精心設(shè)計并研發(fā)智能體場景，充分將 LLM 的多種能力（如文本生成、知識問答、推理分析等）融入各類智能體場景，構(gòu)建并實(shí)現(xiàn)高度自動化、智能化的業(yè)務(wù)解決方案。 7. AI 算法工程化：深度參與 AI 算法的開發(fā)工作，主導(dǎo) Python 技術(shù)棧的工程化實(shí)現(xiàn)，注重代碼質(zhì)量與性能優(yōu)化，通過算法優(yōu)化與代碼調(diào)優(yōu)，提升 AI 系統(tǒng)的整體運(yùn)行效率。 8. 技術(shù)框架與模型應(yīng)用：熟悉 OPENAI 接口的調(diào)用與應(yīng)用，熟練掌握 AI 應(yīng)用框架 Langchain，深入理解大語言模型 FineTune（微調(diào)）的邏輯原理與評估指標(biāo)體系。具備扎實(shí)的機(jī)器學(xué)習(xí)理論基礎(chǔ)，能夠運(yùn)用統(tǒng)計分析與數(shù)據(jù)挖掘方法，對 NLP 標(biāo)簽類型的數(shù)據(jù)進(jìn)行深入特征挖掘，為模型優(yōu)化提供有力數(shù)據(jù)支撐。 9. 開源大模型應(yīng)用：基于主流開源大模型（如 DeepSeek、通義千問、豆包等），完整完成智能體的設(shè)計、開發(fā)、全面測試及高效部署全流程工作，確保智能體在不同場景下的穩(wěn)定運(yùn)行與良好表現(xiàn)。 10. LLM 解決方案優(yōu)化：設(shè)計、開發(fā)并持續(xù)優(yōu)化基于大語言模型（LLM）技術(shù)的解決方案，有效應(yīng)對公司在大規(guī)模文本數(shù)據(jù)處理過程中面臨的各種挑戰(zhàn)，如數(shù)據(jù)清洗、文本分類、信息抽取等，提升數(shù)據(jù)處理的準(zhǔn)確性與效率。二、技術(shù)基礎(chǔ) 1. 編程語言與工具鏈：熟練掌握 Python 編程語言，精通 MySQL 數(shù)據(jù)庫的設(shè)計與操作，熟練運(yùn)用 pandas 進(jìn)行數(shù)據(jù)處理與分析。熟悉 LangChain、Agently、LlamaIndex 等大模型工具鏈，能夠靈活運(yùn)用其搭建高效的 AI 應(yīng)用開發(fā)環(huán)境。掌握 PyTorch/TensorFlow 深度學(xué)習(xí)框架，具備模型開發(fā)與訓(xùn)練能力。 2. 模型理解與微調(diào)：深入理解 Prompt Engineering（提示詞工程），熟練掌握 Transformer/BERT/GPT 等主流架構(gòu)的原理與應(yīng)用。熟悉 LoRA/P - Tuning 等微調(diào)方法，能夠根據(jù)業(yè)務(wù)需求對模型進(jìn)行針對性微調(diào)，提升模型性能。 3. NLP 實(shí)戰(zhàn)能力：具備豐富的 NLP 實(shí)戰(zhàn)經(jīng)驗(yàn)，在文本分類（如情感分析、主題分類）、實(shí)體識別（命名實(shí)體識別、關(guān)系抽取）、文本生成（文章創(chuàng)作、對話生成）、語義相似度計算等領(lǐng)域有成功實(shí)踐案例，能夠獨(dú)立解決 NLP 相關(guān)技術(shù)難題。三、領(lǐng)域能力 1. 知識庫領(lǐng)域：精通知識圖譜構(gòu)建技術(shù)（如 Neo4j 圖數(shù)據(jù)庫的使用、SPARQL 查詢語言編寫），掌握文檔向量化方法（如 FAISS/Chroma 向量數(shù)據(jù)庫的應(yīng)用），熟悉檢索排序算法（BM25、TF - IDF 等），能夠構(gòu)建高效的知識庫檢索與管理系統(tǒng)。 2. 文案生成領(lǐng)域：了解文本風(fēng)格遷移技術(shù)，能夠?qū)崿F(xiàn)不同風(fēng)格文本的轉(zhuǎn)換。熟悉內(nèi)容合規(guī)性檢測方法，確保生成文案符合法律法規(guī)與行業(yè)規(guī)范。掌握多模態(tài)生成技術(shù)（如表格 / 圖表生成），能夠?qū)⑽谋拘畔⑥D(zhuǎn)化為多樣化的呈現(xiàn)形式。 3. 智能體領(lǐng)域：熟悉基于 FUNCTION CALL（函數(shù)調(diào)用）、MCP（多智能體協(xié)作協(xié)議）、多智能體系統(tǒng)架構(gòu)、思維鏈（Chain of Thought）等技術(shù)原理，能夠設(shè)計并開發(fā)具備復(fù)雜交互與協(xié)作能力的智能體系統(tǒng)。四、工程經(jīng)驗(yàn) 1. 大模型落地項(xiàng)目：擁有至少 2 個大模型落地項(xiàng)目經(jīng)驗(yàn)，如成功完成私有化部署 LangChain 應(yīng)用，在項(xiàng)目中負(fù)責(zé)技術(shù)選型、架構(gòu)設(shè)計、開發(fā)實(shí)施及后期維護(hù)，能夠清晰闡述項(xiàng)目中的技術(shù)難點(diǎn)與解決方案。 2. AI RAG + GRAPH 項(xiàng)目管理：具備成功的 AI RAG + GRAPH 產(chǎn)品或相關(guān)項(xiàng)目的管理經(jīng)驗(yàn)，能夠從項(xiàng)目規(guī)劃、團(tuán)隊協(xié)調(diào)、技術(shù)攻關(guān)到項(xiàng)目交付全流程把控，展示項(xiàng)目成果（如產(chǎn)品性能提升指標(biāo)、用戶滿意度數(shù)據(jù)等）及總結(jié)經(jīng)驗(yàn)教訓(xùn)。 3. 業(yè)務(wù)場景應(yīng)用：具有將 AI 技術(shù)成功應(yīng)用于實(shí)際業(yè)務(wù)場景，解決業(yè)務(wù)問題的豐富案例，如構(gòu)建智能問答系統(tǒng)提升客戶服務(wù)效率、開發(fā)智能推薦系統(tǒng)提高營銷精準(zhǔn)度、落地知識圖譜應(yīng)用輔助決策分析等，能夠詳細(xì)說明項(xiàng)目實(shí)施過程與業(yè)務(wù)價值實(shí)現(xiàn)路徑。 4. 智能體 / 對話系統(tǒng)項(xiàng)目：擁有 5 年以上 AI 產(chǎn)品經(jīng)驗(yàn)，簡歷中需詳細(xì)呈現(xiàn)成功落地的智能體 / 對話系統(tǒng)項(xiàng)目案例，包括項(xiàng)目背景、需求分析、技術(shù)方案、實(shí)施過程及*終效果評估等內(nèi)容。五、教育背景 計算機(jī)科學(xué)、人工智能、軟件工程、數(shù)學(xué)等相關(guān)專業(yè)本科及以上學(xué)歷，具備扎實(shí)的理論基礎(chǔ)與系統(tǒng)的專業(yè)知識體系。六、能力素質(zhì) 1. 責(zé)任心與驅(qū)動力：具有強(qiáng)烈的責(zé)任心，對工作高度負(fù)責(zé)，具備強(qiáng)大的自我驅(qū)動力，能夠在高壓環(huán)境下保持高效工作狀態(tài)，獨(dú)立解決復(fù)雜問題。同時，具備良好的團(tuán)隊協(xié)作精神，能夠積極融入團(tuán)隊，與團(tuán)隊成員共同完成任務(wù)，實(shí)現(xiàn)團(tuán)隊目標(biāo)。 2. 創(chuàng)新與學(xué)習(xí)能力：擁有創(chuàng)新精神，敢于突破傳統(tǒng)思維，探索新技術(shù)、新方法在產(chǎn)品中的應(yīng)用。具備快速學(xué)習(xí)能力，能夠持續(xù)關(guān)注行業(yè)動態(tài)與新技術(shù)發(fā)展趨勢，及時將新知識、新技術(shù)融入產(chǎn)品創(chuàng)新中，提升產(chǎn)品競爭力。七、加分項(xiàng) 1. 專業(yè)認(rèn)證：擁有相關(guān)行業(yè)的專業(yè)認(rèn)證，如人工智能相關(guān)認(rèn)證（如華為 HCIA - AI、NVIDIA Deep Learning Institute 認(rèn)證等），證明自身在 AI 領(lǐng)域的專業(yè)水平與知識儲備。 2. 溝通與文檔能力：具備良好的文檔編寫能力，能夠清晰、準(zhǔn)確地撰寫技術(shù)文檔、項(xiàng)目報告等。擁有出色的客戶溝通意識，能夠與客戶有效溝通，理解客戶需求并提供優(yōu)質(zhì)解決方案。能適應(yīng)短期出差，滿足項(xiàng)目現(xiàn)場支持等工作需求。 3. 技術(shù)探索熱情：對 AI 技術(shù)應(yīng)用有強(qiáng)烈興趣，能夠積極主動地學(xué)習(xí)并快速落地新興工具與框架，為團(tuán)隊帶來新的技術(shù)思路與解決方案，推動團(tuán)隊技術(shù)創(chuàng)新。 4. 模型部署優(yōu)化：熟悉大模型部署優(yōu)化技術(shù)，如模型量化（GGML 等技術(shù)實(shí)現(xiàn)模型輕量化）、推理加速（vLLM/TensorRT 提升推理速度）、分布式計算（利用分布式架構(gòu)提升計算效率），能夠在模型部署過程中提升系統(tǒng)性能與資源利用率。 5. 軟硬件生態(tài)了解：了解進(jìn)口及國產(chǎn)化軟硬件生態(tài)，如英偉達(dá)（NVIDIA）系列硬件及其配套軟件生態(tài)、鯤鵬（華為）/ 昇騰（華為）等國產(chǎn)化硬件平臺及其適配的軟件環(huán)境，能夠根據(jù)項(xiàng)目需求進(jìn)行合理的軟硬件選型與適配。