AI全栈开发工程师

1. AI 能力接入：在现有 Java 业务系统中集成主流大模型服务（GLM、DeepSeek、通义千问、豆包等），完成鉴权、限流、日志与监控等基础能力建设。 2. 智能体与工作流开发：设计并实现面向业务的 AI 智能体与自动化工作流（如报告自动生成、文档智能抽取与校验、数据比对分析），打通"AI 产出 → 业务系统落库 → 人工复核"的完整链路。 3. 知识库与 RAG 建设：将评估规范、行业准则、历史案例、招标文件等资料构建为可检索的知识库（向量化、切分、检索策略调优），支撑生成类应用的准确性。 4. 提示词工程与效果调优：负责核心场景的提示词设计、迭代与评测，保证大模型输出的结构稳定性与内容准确性，建立效果评测基准。 5. 工程化与成本控制：处理大模型应用特有的工程问题——结构化输出解析、重试与降级、缓存、流式输出、token 成本核算与优化、敏感数据脱敏。 6. 场景挖掘与推动落地：与业务部门沟通，识别可自动化的高价值环节，输出方案、估算投入产出比并推动上线。

（一）必备条件 1. 本科及以上学历，计算机相关专业，3 年以上软件开发经验（Java 或 Python 均可，Java 优先）。 2. 至少完整落地过一个 AI 应用项目（知识库问答、智能体自动化、大模型接口集成、AI 文档处理等任意方向），能讲清业务背景、技术方案与量化效果。 3. 熟悉至少一家主流大模型的接口调用与差异（计费方式、上下文长度、结构化输出能力），了解 token 成本概念。 4. 熟悉提示词工程，有大模型结构化输出（JSON / 固定模板）与解析校验的实战经验。 5. 了解 RAG 基本链路：文档解析 → 切分 → 向量化 → 检索 → 生成，知道常见失效场景与对策。 6. 了解至少一种智能体或工作流编排方案（Dify、Coze、n8n、LangChain、LlamaIndex 或自研均可），理解 Function Calling / MCP 的概念与用途。 （二）加分条件 1. 有文档智能处理经验（OCR、版面解析、Word / PDF 结构化抽取），或按模板自动生成办公文档（报告类）的经验。 2. 熟悉 Spring Boot 技术栈，能独立完成接口开发与系统对接。 3. 有 Function Calling / MCP / 插件体系开发经验，能让大模型调用业务系统接口。 4. 深度使用 AI 编程工具（Cursor、Copilot、通义灵码等），有"借助 AI 单人完成完整功能"的实践。 5. 有在传统业务团队中从 0 到 1 推广 AI 工具、培训同事的经验。 其他说明： 该岗位入职前需对意向候选人进行背景调查，入职时需提供原单位的离职证明原件，如不能接受背景调查或无离职证明原件者，暂不考虑。