后端开发工程师

岗位职责 负责基于 FastAPI 的后端服务架构与开发，保障接口的高性能、稳定性与安全性。 参与 RAG（检索增强生成）系统的整体设计与实现，涵盖文档解析、向量化处理、信息检索、结果召回及大模型集成调用。 承担向量数据库（如 Milvus / Faiss / Weaviate / PostgreSQL+pgvector）的规划、调优与日常维护工作。 持续优化文档分片策略、索引机制与检索逻辑，提升系统在准确率、召回率和响应效率方面的表现。 协同前端、产品以及算法团队高效推进，推动 AI 应用场景的实际落地。 撰写完整的技术文档，确保代码具备良好的可维护性与可扩展性。 任职要求 本科及以上学历，计算机、软件工程、人工智能等相关专业优先考虑。 精通 Python 编程，熟练掌握 FastAPI / Flask / Django 等主流 Web 框架，具备实际项目中使用 FastAPI 的经验。 掌握 RAG 技术体系，包括： 文档提取与预处理（支持 PDF/Word/Markdown 等格式）。 嵌入模型应用（如 HuggingFace Embeddings、OpenAI Embeddings、Qwen Embedding 等）。 检索与召回技术（Faiss / Milvus / pgvector 等工具）。 大模型接口调用（OpenAI API、Qwen、DeepSeek 或本地部署的大模型）。 熟悉关系型与缓存数据库（PostgreSQL / MySQL / Redis），能够设计合理的数据存储方案与索引结构。 具备分布式架构和异步任务处理（Celery / RabbitMQ / Kafka 等）实践经验者优先。 熟悉容器化技术 Docker 及编排系统 Kubernetes，有云平台（AWS / Azure / 阿里云等）部署经验者优先。 具备良好编码规范，熟练使用 Git / CI/CD 工具，能编写高质量且易于测试的代码。 对 AI 应用与 RAG 架构有强烈兴趣，拥有快速学习能力和问题解决能力。 加分项 有真实落地的 RAG 项目经历（如企业知识库、智能问答系统、文档搜索平台等）。 了解 LangChain / LlamaIndex 等典型 RAG 开发框架。 具备学术论文检索、知识图谱构建或多模态检索相关背景者优先。 有开源社区贡献或技术博客输出者优先考虑。