一、崗位職責:
(一)AI Agent開發:
1.參與前沿技術的研究與實踐,專注于AI Agent編程研發工作
2.負責與LLM大模型的對接、優化和改進,提升AI Agent系統的性能、可靠性和智能水平,確保其在復雜場景下的高效運行。
3.使用Python作為主要編程語言,進行AI Agent相關功能模塊的開發、調試和優化,編寫高質量、可維護的代碼。
4.與跨職能團隊緊密合作,包括產品、設計、開發等團隊,確保按時交付符合需求的AI Agent解決方案,滿足業務目標和用戶體驗要求。
5.跟蹤和研究AI Agent領域的最新技術動態,結合LLM大模型的發展趨勢,為團隊引入創新的技術理念和方法,推動項目的持續進步。
(二)模型開發與優化:
1.負責大語言模型(LLM)或深度強化學習(DRL)模型的微調(Fine-tuning)、提示工程(Prompt Engineering)及持續訓練。
2.優化模型推理效率(如量化、剪枝、蒸餾)及分布式訓練(PyTorch FSDP/DeepSpeed)。
(三)全流程搭建:
1.主導數據采集、清洗、標注及特征工程,構建高質量訓練數據集。
2.搭建模型訓練-評估-部署的完整Pipeline,集成MLOps工具鏈(如MLflow/Kubeflow)。
二、任職要求:
1.計算機科學、人工智能、軟件工程、數學或相關專業本科及以上學歷。
2.至少1 年以上的AI Agent開發經驗,有Magentic-One、AutoGen、LangGraph等開源框架開發經驗優先。
3.熟悉機器學習和深度學習算法,對大模型有基本的了解。
4.熟悉常見的Python代碼框架,具備使用這些框架進行Web應用開發的經驗,能夠快速搭建和部署API接口,實現AI Agent與外部系統的高效交互。
5.具備與LLM大模型開發的實踐經驗,了解LLM模型的架構、訓練方法和優化技巧,能夠高效地進行模型調用、結果解析和二次開發。
6.熟悉LLM模型的推理框架的原理和使用,如vllm,了解其在分布式推理中的應用,進行模型的高效推理。 - 熟悉LLM模型的部署框架的原理和使用,如Ray Serve,能夠使用Ray Serve進行模型的部署和管理,實現模型的自動擴展、多GPU和多節點支持等功能。
7.熟悉LLM agent開發工具框架的使用,如LangChain、LangGraph、LlamaIndex、Microsoft AutoGen等 - 熟悉常用的中間件系統,如mysql、redis、mongodb、kafka等,能夠基于這些中間件進行數據存儲、緩存管理和消息傳遞等操作,以支持AI Agent系統的高效運行。
8.對docker、k8s等云原生組件有深入的理解和運用能力,能夠利用容器化技術進行AI Agent應用的部署、管理和擴展,確保系統的高可用性和可伸縮性。 - 具備較強的算法開發能力,能夠針對AI Agent的特定需求,設計和實現高效的算法,提升系統的智能化水平。
9.熟悉AI Agent技術領域的最新研究成果,有實際項目落地經驗者優先,尤其是在LLM大模型與AI Agent結合的應用場景中有成功案例者將更具優勢。