崗位要求： 1、熟悉主流大模型生態(tài)，包括閉源模型（GPT-4o、文心一言、通義千問）和開源模型（Llama 3、Qwen、Mistral）的調(diào)用方式與特性差異；2、具備模型選型與適配能力，能根據(jù)業(yè)務(wù)成本、性能要求選擇合適的模型，并完成 API 對接、參數(shù)調(diào)優(yōu)（temperature、top_p 等），提示詞工程、模型微調(diào)； 3、了解輕量化模型部署，如基于 llama.cpp、vLLM 進(jìn)行開源模型本地部署與量化（4-bit/8-bit），滿足低資源環(huán)境下的應(yīng)用需求； 4、精通LangChain/LangGraph 核心組件使用，包括 Document Loaders（文檔加載）、Text Splitters（文本分割）、Vector Stores（向量存儲，如 Chroma、FAISS）、Retrievers（檢索器）、Chains（鏈）、Agents（智能體）； 5、能基于LangChain 搭建檢索增強(qiáng)生成（RAG）系統(tǒng)，實(shí)現(xiàn) “知識庫加載→文本向量化→檢索→生成” 全流程閉環(huán)； 6、具備LangChain 應(yīng)用優(yōu)化能力，如優(yōu)化檢索策略（混合檢索、重排序）、解決上下文窗口限制、提升生成結(jié)果的準(zhǔn)確性與相關(guān)性；崗位職責(zé)： 1、負(fù)責(zé)企業(yè)級大模型應(yīng)用的設(shè)計(jì)與開發(fā)，基于提示詞工程優(yōu)化模型輸出效果，提升業(yè)務(wù)場景下的智能交互體驗(yàn)； 2、基于LangChain框架搭建RAG系統(tǒng)、智能體（Agent）等應(yīng)用，完成文檔檢索、多模態(tài)交互、流程自動化等功能； 3、完成開源/閉源大模型的選型、對接、調(diào)優(yōu)與部署，解決模型調(diào)用中的性能、成本、穩(wěn)定性問題； 4、沉淀提示詞模板、LangChain組件封裝、模型調(diào)優(yōu)的標(biāo)準(zhǔn)化方案，形成技術(shù)文檔與最佳實(shí)踐； 5、與業(yè)務(wù)側(cè)協(xié)作，理解需求并轉(zhuǎn)化為技術(shù)方案，推動大模型應(yīng)用在實(shí)際業(yè)務(wù)中落地； 6、AI自動化新方向的探索和推進(jìn)，給自動化測試賦能。