崗位職責： 1. 設計并實現基于 LLM 的對話能力模塊，支持多輪上下文、函數調用、工具使用等功能； 2. 搭建 RAG 流程，集成向量數據庫（如 FAISS、Qdrant），實現用戶個人知識庫的檢索增強； 3. 設計用戶長短期記憶系統，提取和管理對話中的關鍵信息，提高智能體對用戶的理解能力； 4. 構建 Agent 框架，實現對日程、待辦、文件生成等外部工具的智能調度； 5. 封裝與主流大模型的接口（如 OpenAI、Claude、Gemini、本地模型），實現彈性策略； 6. 負責提示詞工程（Prompt Engineering）與輕量級微調（如 LoRA / Prompt Tuning），提升模型在具體場景下的表現力與準確性； 7. 持續優化提示結構，提高模型穩定性與執行準確性； 8. 與后端工程師協同，確保數據流通順暢、服務響應及時。 任職要求： 技術能力： · 熟悉主流大語言模型的使用（如 OpenAI GPT、Claude、Gemini、LLama 2/3 等）； · 掌握 RAG 技術實現流程，熟悉 LangChain、LlamaIndex 等框架； · 有向量數據庫（如 FAISS、Qdrant、Pinecone）實戰經驗； · 理解 Function Calling、Tool Use、Memory、Prompt 構建策略； · 熟悉 Prompt Engineering 和模型微調方法（如 PEFT、LoRA、QLoRA）； · 熟悉 Python 編程，具備良好的工程實現能力； · 有多輪對話系統、智能問答系統、個人知識管理類項目經驗優先； · 熟悉 Agent 架構或具備 Auto-GPT、CrewAI、LangGraph 等使用經驗者優先。 加分項： · 熟悉本地部署模型（如 Ollama、vLLM、LM Studio）； · 了解基本的 DevOps / MLops 工具鏈。