工作描述： 1. 业务系统开发：负责公司内部数据类创新业务的后端系统实施、功能配置与持续优化，基于主流微服务架构完成系统迭代与稳定运行。 2. AI能力集成与落地：参与企业级数据智能应用建设，例如智能问数、知识库问答、数据分析等场景的系统对接与上线支持，确保AI能力稳定服务于业务。 3. 智能流程编排与工具配置：参与Dify、n8n等平台的智能流程编排，完成技能（Skill）及MCP（模型上下文协议）等接口配置，提升业务流程自动化水平。 4. 效能与质量：应用AI辅助工具提升实施效率，搭建并维护持续集成与交付流程；建立智能应用效果评估与监控机制，确保输出结果准确、合规。 职位要求： 1. 核心技术栈（Java后端） （一）Java基础：具备扎实的Java编程基础，深入理解多线程、集合、IO等核心机制，熟练使用JDK8/17特性。 （二）框架能力：熟练掌握Spring Boot，能独立进行项目架构设计与实施；精通MyBatis/MyBatis-Plus，具备复杂SQL编写及优化能力。 （三）数据库：熟练掌握MySQL或Oracle，具备索引优化、事务处理及SQL性能调优的实战经验。 （四）中间件： ①有Redis实战经验，熟悉缓存穿透、击穿、雪崩等问题的解决方案； ②熟悉RocketMQ、Kafka或RabbitMQ中至少一种，了解其消息投递机制及应用场景。 （五）微服务：了解Spring Cloud Alibaba（Nacos,Gateway,OpenFeign）或Dubbo框架，理解分布式服务治理、配置管理及远程调用原理。 2. 部署能力 （一）Linux与脚本：熟练使用Linux操作系统，具备脚本自动化部署、环境配置及日志分析的能力；能快速定位服务器CPU、内存、磁盘IO等性能瓶颈。 （二）容器化技术：熟悉使用Docker，能独立编写高质量Dockerfile，熟悉镜像分层原理、网络配置及数据卷管理；了解K8s，了解Pod、Deployment、Service、Ingress等核心资源，能进行应用的上线发布、滚动更新及回滚操作。 （三）CI/CD流水线：熟练使用Jenkins、GitLab CI等工具，具备搭建从代码提交、构建、测试到部署的全流程自动化流水线经验。 （四）工具链：熟练使用Git、Maven，具备良好的版本控制习惯及多环境（Dev/Test/Prod）配置管理能力。 3. AI技术栈（工程化落地） （一）模型认知与调用：了解国内外主流大模型（OpenAI、Claude、Gemini、混元、智谱、Minimax等）的特点及适用场景，有实际API调用与调试经验。 （二）Prompt工程能力：掌握Prompt工程的核心技巧，能设计结构化的Prompt模板，熟悉示例构造；具备Prompt版本管理及防注入攻击的安全意识。 （三）交互与工程适配：熟悉SSE/WebSocket等流式输出技术，能实现打字机式的实时交互体验；理解长上下文截断/摘要压缩策略，以及多轮对话状态（Memory）的管理与维护机制。 （四）RAG/Agent：理解RAG（检索增强生成）的基本原理及流程（文档解析、切片、Embedding、向量检索）；了解Agent的工作机制，熟悉Function Calling（函数调用）或Tool Use（工具使用）的概念。 （五）框架与协议：了解Dify、n8n、Coze、MaxKB等AI应用开发框架，了解其部署架构；熟悉MCP、Skill等概念及其技术原理。 （六）效果评估意识：了解RAG/Agent效果的常用评估维度（如检索准确率、回答相关性、幻觉率、合规性、重排序）；能配合设计基础的效果验收流程，根据Bad Case（坏案例）反向优化Prompt或检索策略。 （七）AI服务可观测性与成本管理：具备AI应用的可观测性思维，能对大模型调用耗时、Token消耗、接口成功率进行统计与监控；了解限流降级、失败重试等容错设计，具备控制API调用成本及优化资源占用的意识。 加分项： 1. 本地大模型部署：有在服务器上进行开源大模型（如Llama 3、Qwen系列、ChatGLM等）私有化部署的实战经验，熟悉Ollama、vLLM、LM Studio等推理框架，了解GGUF、GPTQ等量化技术。 2. 全流程落地：有从0到1完成项目开发、Docker封装、K8s部署及上线运维的完整经验，能独立解决生产环境遇到的疑难杂症。 3. 模型微调/优化：有对开源模型进行LoRA/SFT微调、推理加速（TensorRT-LLM）或RAG高级优化（如ybrid Search）的实际操作经验。 4. 开源贡献：有个人GitHub开源项目，或积极参与过AI相关开源社区的文档/代码贡献。 5. 极客精神：对新技术有强烈的好奇心和探索欲，能快速上手并验证新出的AI工具或框架（如OpenClaw,Hermes等）。