AI应用工程师

1、RAG 系统开发：参与企业知识库建设——文档解析（PDF/Word/Excel/图片）、文本切块、Embedding 生成、向量库写入与检索；实现带引用来源的问答。 2、大模型应用开发：基于主流大模型（Qwen / DeepSeek / GPT / Claude 等）完成 API 接入、Prompt 编写与调试、结构化输出（JSON Schema）约束、多轮对话状态管理。 3、Agent / 工作流搭建：在指导下使用 LangChain / LangGraph / Dify 等框架搭建简单的工具调用流程（查数据库、调接口、发通知），完成自动化任务。 4、接口与集成：用 FastAPI 等把 AI 能力封装成服务，按接口文档对接 OA / ERP / 工单 / IM 等业务系统。 5、效果测试：按给定标准构造测试集，跑回归、记录结果、整理成对比表；定位"哪条答错了、错在检索还是生成"。 6、部署与运维支持：在指导下完成 Docker 打包与部署，看日志、查异常、处理线上反馈。 7、文档沉淀：编写使用手册与技术文档，把踩过的坑整理成可复用的说明。

1. 学历专业：本科及以上，计算机、软件工程、电子信息、自动化、数学等相关专业。 2. 经验：0-2 年开发经验，也欢迎优秀的应届生与转岗候选人。不要求生产环境的 AI 落地经验，但需要有可演示的动手成果（自建 RAG 问答、Agent 小工具、部署过的模型、跟课完成的完整项目等）。作品比简历重要。 3、Python 基础扎实：能用 Python 完成数据清洗、文件处理、接口调用；理解函数、类、异常处理、虚拟环境与依赖管理（pip / requirements.txt / venv 或 conda）。 4、会调大模型 API：能独立完成 API 接入、温度与 token 参数设置、流式输出、错误重试与超时处理。 5、理解 RAG 基本流程：知道"文档 → 切块 → 向量化 → 检索 → 塞进 Prompt → 生成"这条链路，能用至少一个向量库（Chroma / FAISS / Milvus / pgvector）跑通 demo。 6、会用 Git：能完成分支、提交、合并、解决常见冲突。 7、工程习惯：会写日志、会写基本的异常处理、写完代码自己先跑一遍边界用例；报错时先看报错信息再问人。 8、学习能力：技术更新快，需要你自己看官方文档、看 issue、动手验证；能在一周内上手一个没接触过的框架。 9、沟通与配合：能把"我卡在哪、我试过什么、我需要什么"讲清楚。