大模型开发工程师

1. 知识库与RAG系统开发：参与企业级知识库/RAG系统的模块开发与维护，完成文档解析、数据清洗、向量化入库及检索链路的基础功能实现。 2. 智能体（Agent）功能实现：参与Agent系统的工具调用、对话管理、记忆存储等功能开发，完成既定任务模块的编码与测试。 3. 目标检测与视觉算法开发：负责目标检测与产品缺陷识别算法的研发、训练与优化，完成视觉模型在实际业务场景中的落地与迭代。 4. 效果评估与优化：搭建测试集，对RAG问答准确率、Agent任务完成率、视觉模型检测精度等指标进行基础评估，根据反馈调整策略与参数。 5. 工程辅助与运维：参与API接口开发、日志监控、数据备份等日常工程维护，保障系统稳定运行。

1. 学历与经验：计算机、人工智能或相关专业本科及以上学历，1-3年Python后端开发经验，有AI应用、大模型或计算机视觉相关项目经验者优先。 2. Python与工程基础： - 熟悉Python语法与常用库，了解FastAPI/Flask等Web框架，能独立完成基础API开发与调试。 - 具备良好的数据结构与算法基础，熟悉Git版本管理，能编写基础单元测试，具备基本的日志排查与问题定位能力。 3. 大语言模型与RAG（核心）： - 掌握LLM基本概念，了解RAG基本流程，使用过LangChain/LlamaIndex等框架，熟悉向量数据库（如Chroma、Faiss）的基本操作。 - 了解Agent基本概念，知道Function Calling、ReAct等原理，有调用大模型API实现简单工具调用的经验。 4. 目标检测与视觉算法（重要）： - 熟练掌握目标检测与产品缺陷识别的实践经验，熟悉YOLO系列算法（如YOLOv5/v8/v10等）的原理与训练流程。 - 具备边侧设备的模型转换及部署经验，熟悉ONNX、TensorRT或RKNN等模型转换与推理加速工具。 5. 经典机器学习与算法：系统掌握监督学习、无监督学习等经典机器学习算法（如SVM、决策树、随机森林、聚类算法等），并能熟练使用Scikit-learn等工具库进行建模分析。 6. 学习能力：对大模型与AI前沿技术有强烈兴趣，能快速学习新技术并转化为实际代码。 加分项 1. 平台与框架实操：有 Dify 等智能体开发平台或框架的实操经验。 2. 微调经验：熟悉预训练、监督微调（SFT）、参数高效微调（如LoRA, QLoRA）等基本流程。 3. 工程化与开源：了解Docker容器化部署，有基础的Linux运维能力；有技术博客、开源贡献或竞赛经历者优先。