崗位職責 1. 大模型微調與優化 - 基于業務場景（如對話理解、知識垂直領域適配），對GPT、Qwen3、DeepSeek、豆包1.5等主流大模型進行針對性微調，提升模型效果。 - 構建并持續優化RAG增強知識庫系統，結合向量數據庫（Milvus/Pinecone）實現非結構化數據檢索與融合。 2. 智能體（Agent）系統開發 - 基于MCP協議開發多智能體協作系統，使用Cursor、Trae等工具配置與維護Agent生態，設計自動化任務流程。 - 探索基于AIGC的多模態內容生成框架（Stable Diffusion/ControlNet/VAE/Adapters），實現圖文/視頻生成場景的工程化落地。 3. Coze工作流與應用開發 - 使用Coze平臺快速構建自動化工作流，推動從知識問答、數據處理到復雜任務執行的全鏈條開發。 - 對接企業級業務需求（如智能客服、數據分析），設計可擴展的Agent應用場景與交互邏輯。 4. 文檔處理與數據清洗 - 開發并維護PDF/Word與Markdown格式的精準轉換組件，保障結構化內容遷移可靠性。 - 構建高并發數據處理流水線，支持文本、表格等文檔內容的抽取與向量化。 5. 行業技術研究與實踐 - 跟蹤Agent系統演進、多模態模型迭代，輸出技術白皮書、案例研究或內部技術方案。 - 主導模型部署與調優（Dify等框架），推動從研發到生產環境的全流程落地。 6. 自動化場景拓展（優先方向） - 開發QQ群/社交平臺信息實時監測系統，實現自動化任務觸發與用戶交互邏輯（如加好友、關鍵詞響應）。 --- 任職要求 1. 核心技術硬實力 - 精通大模型微調技術（LoRA/P-Tuning/全量微調），具備高質量垂直領域模型調優經驗； - 熟練掌握Coze工作流設計，能獨立完成與第三方API/數據庫/模型的集成開發； - 深度掌握LangChain/Haystack/Dify等主流框架，熟悉模型服務部署（如vLLM/Triton/Kubernetes）。 2. Agent系統工程化能力 - 熟悉MCP協議規范，完成過基于Cursor/Trae的智能體Agent編排與聯調； - 有Agent任務分發、記憶存儲、工具鏈協同等模塊的實戰開發經驗； - 掌握多智能體對話編排與監控技術，持續優化Agent行為穩定性。 3. 多模態與工具鏈拓展 - 熟悉Stable Diffusion/ControlNet/VAE等擴散模型框架，具備文生圖/圖生視頻的工作流開發能力； - 有自動化文檔結構轉換（PDF→Markdown）、復雜版式還原的技術方案設計經驗。 4. 加分項 ★ 擁有微信/QQ/釘釘等社交平臺自動化生態開發經驗（如機器人監聽、好友協議處理）； ★ 獨立輸出過技術決策級行業研究報告或開源項目作者； ★ 在多模態模型壓縮（如量化）、跨模態對齊調優、零樣本遷移方面有創新實踐。