大模型算法资深工程师

1）LLM 应用工程化落地（从能力到产品） ●负责将大模型能力产品化与工程化交付，包括但不限于： ○提示词体系/模板化、工具编排（Tool/Agent Workflow）、函数调用（Function Calling） ○RAG（知识库构建、索引、召回、重排、答案合成）与数据治理 ○会话状态管理、长短期记忆、上下文压缩与缓存策略 ○多租户/权限校验/配额与限流、敏感信息处理与安全策略 ○灰度发布、A/B 实验、回滚策略与版本管理 2） 全流程 AI 研发能力建设（研发效能平台） ●构建覆盖研发全链路的 AI 辅助能力，沉淀可复用组件与规范： ○代码生成、单测生成、文档/注释生成 ○代码评审辅助（风险点提示、变更影响分析、可读性与一致性建议） ○规范检查（lint/安全/依赖合规/License）、质量门禁 ○PR 模板/自动摘要/变更说明生成，统一交付标准与一致性 ●与 CI/CD、代码仓库、制品库、研发流程深度集成，持续量化提效收益 3）网联应用自动化诊断链路实现（从报错到 PR 的闭环） ●对接日志/指标/链路追踪系统，搭建自动化诊断与修复编排能力： ○“报错捕捉 → 日志/调用链分析 → 根因定位 → 定位仓库/文件 → 生成补丁 → 跑测试 → 提交 PR”的自动化工作流 ●建设可观测性体系：成功率、平均耗时、失败原因分布、可重试策略、人工介入点（Human-in-the-loop） ●提供可配置策略：不同错误类型的路由、修复策略选择、风险控制与权限审计 4）车联网智能应用生成流水线（可交付工程链路） ●将“语音需求 → 结构化需求 → 页面/组件代码生成 → 预览 → 发布/回滚 → 权限与资源校验”建设为可交付流水线 ●保障生成结果的工程质量： ○组件规范、可复用模板、可测试性、性能与兼容性要求 ○发布过程与权限/资源/依赖校验（配置、埋点、素材、接口、路由等） ●推动与产品、交互、前端基建、车机语音团队协作，形成可规模化交付能力 5）平台化与可观测性（稳定性、成本与合规） ●建设统一的 LLM Runtime 平台能力： ○运行时监控：token 消耗、时延、错误率、吞吐、成本核算与预算控制 ○审计日志：输入输出留痕、权限操作记录、敏感字段脱敏 ○回放与问题复现工具：支持线上问题快速定位、复现与回归验证 ●制定与落地 SLA/告警体系、容灾与降级策略，提升系统稳定性