1、负责核心AI算法的设计、开发与优化，包括但不限于自然语言处理、文本生成、语义理解等方向； 2、主导或参与 RAG（检索增强生成）知识库系统的架构设计与落地，包括文档解析、向量化存储、检索策略优化、大模型Prompt调优等； 3、构建高质量的知识库Pipeline，实现结构化非结构化数据的知识抽取、索引构建及知识更新机制； 4、结合业务场景（如智能客服、知识助手、企业内部搜索等）持续优化检索召回率与生成准确性，解决大模型幻觉、知识滞后等问题； 5、负责智能体（Agent）相关能力的设计与实现，包括任务规划（Planning）、工具调用（Tool Use）、记忆管理（Memory）、多智能体协作等； 6、跟进大模型前沿技术（如Agent、Graph RAG、Long Context、MoE等），探索并落地到实际产品中； 7、参与模型评估体系搭建，制定RAG及Agent评测指标（如任务完成率、工具调用准确率、端到端成功率等）； 8、协同工程团队完成模型服务化部署与性能调优。 1、本科及以上学历，计算机、人工智能、数学、通信等相关专业，3年以上AI算法相关工作经验； 2、扎实的算法基础，熟练掌握NLP经典模型（BERT、GPT系列、T5等）及主流大模型（如Qwen、ChatGLM、LLaMA等）的原理与应用； 3、具备RAG相关实战经验，深入理解RAG各模块（Embedding模型、向量数据库、检索重排、Prompt工程等）； 4、具备智能体（Agent）开发经验，熟悉Agent核心架构（Planning、Memory、Tool Use），熟练使用LangChain、LangGraph、AutoGen、CrewAI或类似框架中的至少一种； 5、熟练使用至少一种主流深度学习框架（PyTorch / TensorFlow），具备模型微调（LoRA、P-tuning等）经验； 6、熟悉向量数据库（如Milvus、Pinecone、Qdrant、Faiss等）及其性能调优； 7、熟悉常见NLP任务：文本嵌入、相似度计算、文档切分策略、检索评估等； 8、编程能力扎实，熟练使用Python，具备良好的工程代码习惯（Git、Docker、单元测试等） 9、了解大模型部署工具（vLLM、FastChat、LlamaIndex等）者优先； 10、有知识图谱 + RAG 混合检索、多智能体协作、ReAct / CoT / ToT等推理范式经验者加分。