大模型算法工程师

Job description

模型推理优化

• 负责大语言模型（LLM）及多模态模型的性能评估与瓶颈分析，应用量化（INT4/8）、剪枝、蒸馏等技术，提升模型在GPU/NPU上的推理效率，降低部署成本。

智能体应用研发

• 基于LangChain/LangGraph/AutoGen等框架，构建具备复杂推理、规划和工具调用能力的AI智能体，负责Agent的任务拆解、记忆管理及多Agent协作流程设计。

RAG与知识增强

• 负责检索增强生成（RAG/KAG）系统的全链路优化，包括文档切分策略、Embedding模型选型与微调、向量检索优化及重排序算法，解决大模型幻觉与知识时效性问题。

业务场景落地

• 深入理解公司核心业务场景，将大模型能力与业务流程结合，设计并实现AI原生应用（如智能数据分析、自动化报告生成、决策辅助系统等）。

工程化交付

• 协同后端团队，将智能体应用封装为高可用、可扩展的API服务，负责应用层的性能优化与稳定性保障。

学历专业

• 2027届硕士研究生及以上学历，计算机科学、人工智能、自动化等相关专业。

编程基础

• 熟悉Python，具备良好的逻辑思维能力与代码规范，熟悉FastAPI等Web框架，有全栈开发经验者优先。

大模型应用能力

• 熟悉LLM原理，有基于HuggingFace、OpenAI API等生态的实战经验，熟悉LangChain、LlamaIndex、LangGraph等至少一种主流Agent开发框架，具备RAG系统开发经验，熟悉向量数据库（Milvus、Chroma、Elasticsearch等）及Embedding模型。

问题解决能力

• 具备较强的逻辑思维与抽象能力，能够将复杂的业务需求转化为大模型可执行的方案，对解决模型幻觉、上下文长度限制等问题有独到见解。

综合素质

• 具备较强的自驱力与快速学习能力，对前沿AI应用有浓厚兴趣，拥有良好的团队协作和沟通能力。

加分项

• 在GitHub上有高质量的AI应用项目，或参与过知名开源项目贡献，了解本体建模技术，能够基于业务构建知识图谱或决策图谱者优先。