AI工程师（生成式应用/RAG方向）

我们正在打造面向全球的AI解决方案平台（AI×SaaS×IoT）。你将与前端/后端并肩，将自然语言需求转化为可执行的工作流与产品能力：RAG、Agent、评测与监控、成本优化与合规。若你热爱把复杂问题做成可复用的工程能力，欢迎加入！ 工作方式&协作机制（与前端/后端） 与前端（Web/App） •共同定义对话/生成工作流的UI状态机（loading/streaming/error/工具中间态）。 •设计并对齐流式接口（SSE/WebSocket），错误码与重试策略，提示“二次确认/风险提示”交互。 •产出API契约（OpenAPI/JSONSchema），示例请求与边界用例，确保前端可Mock联调。 •输出PromptPack（多语言），并与文案/本地化协作实现i18n。 与后端/平台 •共同抽象Agent/Tool标准（输入输出schema、超时、幂等、补偿机制）。 •在消息队列/工作流引擎（Kafka/RabbitMQ/Temporal/Celery）中落地长流程；引入幂等键、审计日志与追踪ID。 •设计缓存/路由/降级：小模型优先、向量召回缓存、结果签名与可追溯。 •建立可观测性（Prometheus/Grafana/ELK/Langfuse等），指标上报与告警阈值。 协作产物模板（每个功能点都要齐全） •APISpec（OpenAPI）｜JSONSchema｜ERD｜时序图｜用例清单｜验收标准（DoD）｜回滚预案（Runbook）。 ________________________________________ 核心职责 1.设计与实现RAG/Agent工作流，并将其模块化、可配置（Prompt、工具、检索策略皆可插拔）。 2.维护企业知识库：清洗/分块、Embedding、HybridSearch（BM25+向量）、Reranker策略与热数据缓存。 3.统一模型接入层：OpenAI/Anthropic/Gemini/Azure/AWSBedrock/国内大模型/本地模型与推理路由。 4.构建评测体系：离线基准集、在线A/B、人工审阅流程，关键指标可视化。 5.落地成本与性能优化：Prompt/上下文裁剪、缓存与复用、分层模型路由、批处理、并行工具调用。 6.保障数据安全与合规：多租户隔离、脱敏、权限/审计、跨境与隐私合规指引；支持企业密钥托管。 7.与前后端联动实现支付/报价/工单等业务场景的智能化编排，输出可复用插件。 8.支撑IoT场景（可选）：设备指令生成/校验、异常语义解析、日志摘要、运维助手。 9.搭建开发者工具链：Prompt版本化、数据闭环（用户反馈→训练/微调）、灰度发布与回滚。 10.产出高质量技术文档、评审与知识传承，提升团队工程效率。 ________________________________________ 任职要求 必备 •3–7年后端/算法/平台经验，近1–2年有LLM应用落地案例。 •熟练Python(FastAPI)或TypeScript(NestJS)；掌握PostgreSQL/MySQL、Redis、消息队列。 •熟悉RAG全链路：切分策略、Embedding/向量库（Milvus/PGVector/Pinecone/Weaviate）、Hybrid检索与Reranker（bge/CohereRerank等）。 •有评测与监控实践：构建标注集、自动化对齐、Langfuse/ArizePhoenix/自研监控的任一。 •了解多模型编排与函数调用/ToolUse；能设计稳定的schema与容错。 •强协作与产品意识，能把模糊需求转为工程化的接口与验收标准。 加分 •有支付/订阅、国际化与多租户经验；有IoT/MQTT项目经历。 •熟悉向量召回优化（分面检索/多路召回/知识路由）与成本优化（小模型级联、缓存/批处理）。 •对Prompt结构化与数据闭环有体系化建设经验；了解内容合规与风控。