1.對接產品經理 / 業務方，深入理解業務場景（如企業知識庫問答、智能客服輔助、法律 / 醫療文檔檢索、多輪對話系統）的核心需求，拆解為可落地的技術指標（如檢索準確率、響應延遲、生成相關性、并發量）。結合業務場景特性，設計RAG 系統方案。
2.負責向量數據庫（Milvus、Pinecone、Chroma、PostgreSQL pgvector）的部署、調優與運維，包括索引構建、分片策略設計、數據同步與更新機制實現。
3.集成主流大模型（GPT 系列、Claude、Llama 3、Qwen、通義千問等），實現 API 調用 / 本地化部署，處理模型調用的超時、重試、限流等異常場景。
4.設計高質量 Prompt 模板，優化 “檢索結果→上下文注入→生成響應” 的鏈路邏輯。
5.實現檢索結果與大模型的高效融合，確保生成內容嚴格基于檢索到的權威信息，避免 “幻覺”。
6.開發多輪對話支持能力，維護對話上下文狀態，實現 “歷史對話→當前查詢→精準檢索→生成響應” 的閉環。
任職要求：
1.計算機相關專業本科以上學歷，3年以上工作經驗。
2.精通Python，熟練使用PyTorch/TensorFlow（模型微調）、LangChain/LlamaIndex（RAG框架）、Hugging Face Transformers（模型調用）等核心工具庫；
3.深入理解向量檢索相關算法（如FAISS、HNSW、IVF_FLAT等）的原理與適用場景；掌握字符串匹配、排序、過濾等基礎算法，用于檢索結果優化與數據清洗。
4.具備文檔解析（PDF、Word、Markdown等多格式）、文本分割（語義分割、滑動窗口分割等策略）、去重去噪等預處理能力；熟練掌握文本向量化技術，了解不同嵌入模型（如BERT、Sentence-BERT、GPT-4 Embedding）的特性與選型邏輯，能根據文檔類型優化向量化效果。
5.能獨立設計檢索架構（單階段檢索、多階段檢索如“召回+重排”）；掌握檢索策略調優方法，如查詢改寫（同義詞替換、意圖識別）、相關性排序（基于BM25、向量相似度、混合排序）、檢索閾值設定等；具備檢索效果評估能力，能通過MRR、Recall@k等指標量化優化效果。
6.理解RAG的核心邏輯，能優化“檢索結果篩選與整合→上下文注入→生成響應”的全鏈路流程；具備解決融合過程中關鍵問題的能力，如上下文窗口溢出處理、無關檢索結果過濾、多輪對話中的檢索狀態維護等。