1、LangChain與LangGraph開發 熟練掌握 LangChain 構建模塊化LLM應用鏈，支持多模型協作。 精通 LangGraph 的圖結構工作流設計（節點、邊、循環分支），實現狀態持久化、中斷恢復和多輪對話管理。 熟悉LangGraph Studio等調試工具，支持可視化工作流開發和實時狀態追蹤。 熟悉多智能體協作架構（分層、監督式），支持任務分配與結果融合。 熟悉多模態模型（如圖文生成）或AIGC應用 2、向量數據庫與檢索增強（RAG） 熟練使用 Milvus 或類似向量數據庫（如Faiss、Chroma），實現高效語義檢索和混合查詢（向量+標量）。 掌握數據預處理技術：文檔加載（PDF、HTML）、文本分塊（RecursiveCharacterTextSplitter）、向量化（如DashScope、OpenAI Embeddings）。 優化RAG系統以減少幻覺問題，結合自校正（Self-RAG）和動態路由（Adaptive RAG）技術提升答案準確性。 3、模型微調與訓練 熟悉大模型（如LlamaFactory、線上阿里云模型微調）的全參數微調與參數高效微調，最好熟悉圖形微調訓練。 掌握使用LangSmith收集LLM運行數據，轉換為微調訓練集，并通過OpenAI、阿里百煉等平臺完成模型迭代。 理解微調與RAG的協同作用：微調提升基礎能力，RAG補充實時知識。 4、提示詞工程與評估 設計高質量提示模板，支持多任務指令（如摘要、翻譯、代碼生成），通過多樣化指令提升模型泛化能力。 使用評估指標（如ROUGE、BLEU）量化模型輸出質量，結合人工反饋優化提示策略。 5、工具鏈與部署 熟悉 Streamlit 快速構建LLM應用前端，實現交互式演示和結果可視化。 6、集成工具鏈：搜索API（Tavily）、代碼執行（Python REPL）、緩存（GPTCache）提升應用性能、自定義工具

任職要求：

1. 計算機科學或相關領域的本科及以上學歷，有扎實的計算機基礎知識和編程能力。 2. 熟練掌握Python編程語言，并具有豐富的Python開發經驗，特別是在金融領域的項目經驗將會是一項優勢。 3. 有LLM應用落地經驗,最好是LangGraph，如客數據分析Agent，需優化推理性能（如延遲、成本）。 4. 熟練掌握技術LangChain/LangGraph、Hugging Face Transformers、PyTorch/TensorFlow、Milvus（部署、調優）、Redis（緩存）、Clickhouse（結構化數據）、阿里百煉云平臺等相關框架、平臺和技術。 5.熟悉Linux環境下的開發和部署，熟悉常用的版本控制工具如Git。 6.良好的溝通能力和團隊合作精神，能夠與產品經理、設計師和其他工程師緊密合作，共同推動項目進展。