1、需求理解与方案辅助 ①配合AI技术专家与稽查业务方沟通，整理稽查场景中的痛点（如文档审核、数据比对、异常预警等），协助撰写AI需求文档。 ②参与技术方案讨论，调研开源模型/框架在稽查领域的可行性。 2、模型与原型开发 ①在指导下完成LLM（大语言模型）的提示词工程、RAG流程搭建（文档加载、向量化、检索），开发简单的稽查问答助手或文书分析脚本。 ②使用Python及常用机器学习库（scikit-learn、PyTorch等）进行数据清洗、特征提取及基础模型训练（如分类、异常检测）。 ③参与Agent工具调用链的搭建（基于LangChain或类似框架），实现如“查数据库→推理→返回结果”的小型Agent。 3、系统对接与测试 ①协助完成AI工具与公司内部稽查系统、数据库的接口对接（API调用、数据读/写），并进行功能联调。 ②编写测试用例，对AI模型输出（准确率、响应时间、可解释性）进行验证，整理测试报告。 4、文档与交付支持 ①撰写技术文档、用户使用说明及模型说明。 ②协助组织验收演示，收集稽查人员试用反馈，并跟进问题修复。 5、技术跟踪与知识沉淀 ①跟踪大模型、Agent框架、向量数据库等领域的前沿技术，内部做技术分享。 ②协助建设稽查AI常见问题库、最佳实践笔记。 1、教育背景与基础技能： ①计算机、人工智能、软件工程、数据科学或相关专业，本科二至四年级或硕士在读。 ②熟悉Python编程，了解常用数据结构与算法，能编写清晰、可维护的代码。 ③对以下至少一项有基础了解：机器学习/深度学习/自然语言处理/大模型应用。 2、AI相关能力（满足部分即可）： ①了解LangChain、LlamaIndex或类似框架，有简单链式调用或Prompt调优实践（课程项目/个人项目均可）。 ②了解RAG流程（如文档加载、向量检索），会使用至少一种向量数据库（Chroma、FAISS、Milvus等）。 ③熟悉常用的NLP任务（文本分类、命名实体识别、信息抽取）及相关库（Transformers、spaCy、NLTK）。 ④有调用过任意大模型API（OpenAI、文心、通义、智谱等）并完成简单应用的经验。 3、业务理解与软技能： ①逻辑清晰，能理解和描述简单的业务规则（如“如果发票金额与合同不符，则标记异常”）。 ②具备文档整理能力和学习主动性，愿意与业务人员（非技术）沟通。 ③每周可保证3-5天实习，持续4个月以上。 加分项： 1、有金融、财务、审计、风控、反舞弊等相关课程或项目经历。 2、参加过高教杯数学建模、Kaggle、天池等比赛并取得一定成绩。 3、熟悉Git协作流程（clone、branch、PR）。 4、了解Docker、基础运维或前端（如Streamlit/Gradio）用于快速原型展示。