AI开发工程师

技能要求，聚焦于AI智能体（AIAgent）的设计、开发与集成 岗位定位 AI智能体开发工程师主要负责在已有大模型（LLM）基础上，使用工具框架构建具备感知、决策、记忆和行动能力的智能体，实现自动化任务处理、人机交互或业务流程辅助。 核心技能要求 1.编程基础（Python为主） -Java基础扎实，熟练掌握Python编程语言，对JVM、集合、多线程、IO/NIO、反射、泛型、垃圾回收有系统理解；熟悉常用数据结构与算法。 -函数、类、异常处理、文件操作 -常用标准库：`json`,`os`,`datetime`,`logging`,`requests` -掌握异步编程（async/await） -用于高效调用多个API或工具 -能编写清晰、模块化、可维护的代码 需要深度学习模型训练能力，至少有“调用”和“编排”模型的能力。 2.大语言模型（LLM）使用能力 2.1.熟悉主流LLM及其API：OpenAI（GPT-3.5/4）、Anthropic（Claude）、通义千问、百川、MiniMax等 2.2.掌握PromptEngineering技术： -设计结构化提示词引导Agent行为 -使用SystemPrompt控制角色与风格 -零样本/少样本提示设计 -理解LLM的局限性：如幻觉（Hallucination） 3.AI智能体核心架构理解，掌握智能体的四大核心组件. 4.智能体开发框架与工具：至少掌握一个主流智能体框架：例如 LangChain实现RAG LlamaIndex -构建基于文档的知识检索系统 -支持结构化与非结构化数据索引 -与Agent结合实现问答型智能体 5.数据与外部系统集成 -API调用能力： -数据库操作： -基础SQL（SQLite/PostgreSQL/PL/SQL）或NoSQL（MongoDB） -读写用户状态、历史记录等 -向量数据库（VectorDB）基础： -使用Chroma、FAISS、Pinecone、Weaviate存储和检索知识经验 -RAG（Retrieval-AugmentedGeneration）实现经验 6.工程化与部署能力 -Web后端基础： -使用FastAPI或Flask暴露智能体接口 -前端交互能力： -或配合前端通过JSONAPI通信 -容器化部署： -使用Docker打包应用 -简单部署到云服务器或本地测试环境 -日志与调试： -记录智能体决策流程，分析失败原因 7.项目实践能力 具备完成以下类型项目的动手能力： RAG+知识库检索+LLM回答的智能搭建经验。 搭建自动化调研智能体+搜索+摘要生成+报告输出系统经验 软技能要求：能独立从问题定位或需求分析→设计流程→编码实现→测试优化完成一个完整智能体。