岗位职责 1. AI应用开发与优化： a) 基于LLM框架（如LangChain）构建和演示AI Agent，实现知识检索、任务自动化等功能。 b) 开发和优化RAG（Retrieval-Augmented Generation）系统，包括流程设计、知识库集成和响应生成。 c) 参与模型微调（Fine-tuning）全流程：数据处理、指令微调（SFT）、评估训练有效性，并解决微调中的幻觉问题。 d) 优化prompt工程和token使用量，提升AI系统的效率和成本效益。 2. 技术实现与部署： a) 在Microsoft生态系统（Azure、Power Platform）上部署AI解决方案，利用云服务进行模型训练和推理。 b) 处理多模态AI任务，如视频内容总结、图像处理或OCR模型开发，包括模块设计和性能优化。 c) 实现AI应用的延迟优化（如同声传译场景）和错误处理（如Agent知识库不匹配）。 3. 项目协作与迭代： a) 协同团队处理数据集（清洗、标注、协同管理），支持模型训练和评估。 b) 参与端到端AI产品开发，从需求分析到成果交付，并协助评估模型表现（如信用评分系统、交通流量优化）。 c) 学习并应用新技术，快速迭代原型，基于反馈优化策略。 基本要求： 1. 教育背景：计算机科学、人工智能、机器学习、数据科学或相关领域的在校本科生/研究生。 2. 实习经验：有AI项目经验优先，例如LLM应用开发、模型微调或RAG系统构建（需在面试中展示具体项目负责部分和成果）。 3. 编程技能：熟练使用Python，熟悉常用库（如PyTorch、TensorFlow）；了解Java、SQL等（根据项目需求）。 核心技术知识： 1. LLM与AI概念：深入理解RAG流程、微调方法（指令微调、SFT等）、Agent框架（如LangChain）、Self-Attention机制；能比较开源模型（如Llama）与自开发模型的优劣。 2. 优化技能：熟悉prompt优化策略、token控制、延迟降低技术；能处理AI安全性问题（如数据隐私、幻觉）。 3. 工具与平台：熟悉Microsoft生态系统（Azure、Power Platform）；了解数据处理工具（如Kafka）、模型评估指标（如准确率、召回率）。 软技能与能力： 1. 问题解决：能独立解决技术挑战（如爬虫问题、模型错误），并解释优化策略。 2. 沟通协作：良好中英文沟通能力，能与团队和终端用户有效互动。 3. 学习能力：主动学习新技术（如通过在线资源、研究论文），快速适应项目需求。 4. 逻辑思维：清晰阐述项目流程、技术选型原因（如为什么用LSTM而非新模型）。 加分项 1. 有AI竞赛（如算法竞赛）或研究项目经验。 2. 熟悉AI同声传译、实时系统开发。 3. 了解开源大模型（如GPT系列、Claude）的部署和比较。 4. 有终端用户支持经验或产品推广能力。