1. 统招本科及以上学历（计算机、软件工程、自动化、车辆工程等相关专业），具备扎实的 Python 后端开发与工程化能力，熟练掌握 FastAPI 等异步 Web 框架。 2. 深度使用过 LlamaIndex、LangChain 等大模型应用框架，有真实的 RAG 系统、大模型工具调用或 Agent 工作流编排的落地经验。深刻理解 Prompt 工程与结构化输出（Structured Outputs）约束。 3. 良好的数据库设计与优化能力，熟练掌握 PostgreSQL，有 pgvector 等向量数据库或相似度计算实际应用经验。 4. 良好的沟通能力和跨团队协作能力，表达清晰，善于与人沟通；有良好的自我驱动能力，能快速推进 AI 相关新任务的完成，对汽车与 AI 的跨界结合抱有极大热情。 5. 【加分项】有汽车电子/车身域控相关项目经验，熟悉车身应用逻辑（如车控、热管理、舒适系统等），了解 AUTOSAR 标准体系（SWC 接口定义、BSW 基础软件配置）或熟悉 DBC/ARXML 等数据标准者优先。 6. 【加分项】在大模型相关岗位有实习或工作经验，或在算法竞赛（ICPC、NOI、ACM等）中取得过奖项者优先。 1. 结合车身域控系统的应用场景与 AUTOSAR 架构体系，负责大模型智能体（Agent）的基础与应用性开发。根据车身控制、车门窗、灯光、空调、热管理等上层应用需求（SWC），以及通信、诊断、网络管理等基础软件（BSW）需求，进行大模型应用链路的设计开发。 2. 开发包括文档智能解析、RAG 向量检索（如 PostgreSQL + pgvector）、工具调用（Function Calling/Skills）、CLI/GUI 智能体等多Agent系统性应用。解决大模型在超长汽车工程文档处理、复杂表格提取、领域专有名词识别上的工程难题。 3. 适配并优化基座模型在车身电子专用领域的表现，构建并维护外置化知识资产库（Wiki），减少模型在架构分类、信号路由、软硬件接口映射等任务中的幻觉，确保生成高置信度与强可解释性的架构设计结果。 4. 跟进工业界/学术界最新动态，负责大模型自动化流水线的工程落地与性能调优。开发“AI 提取 - 人工 Review 纠错 - 规则自动沉淀”的人机协同闭环与数据飞轮，提升车身域控研发体系的智能化水平。