我们正在寻找一位资深的大模型应用开发工程师，您不仅需要精通大模型的应用层开发，更需要具备向下游深入的能力，包括利用知识图谱增强大模型、参与大模型的训练与微调，并主导相关系统的设计与搭建。您将成为连接底层AI技术与上层业务应用的关键桥梁，负责构建下一代高性能、高可用的智能系统。
核心职责

 一、智能系统设计与开发：
       1、 负责基于大模型和知识图谱的复杂智能应用（如智能问答、决策支持、内容生成等）的系统设计、核心模块开发与全链路实现。
       2、 设计和开发高效的检索增强生成​ 系统，将知识图谱、向量数据库与传统数据源深度集成，以提升大模型回答的准确性、时效性和可解释性。
    知识图谱与大模型融合：
        3、设计并实现将领域知识图谱与大模型深度集成的技术方案，利用知识图谱进行事实性增强、逻辑约束和推理引导。
       4、 开发知识抽取、图谱构建与更新的自动化或半自动化流程，并探索利用大模型赋能知识图谱的构建与维护。
 二、  大模型训练与微调：
        1、负责或深度参与领域大模型的预训练、有监督微调、奖励模型训练和强化学习​ 等全流程或关键环节。
        2、根据具体业务场景，对开源或自有基础模型进行高效的指令微调、参数高效微调，以优化模型在特定任务上的性能。
        管理训练数据，设计数据策略，并进行持续的模型评估、迭代与优化。
  三、系统工程与性能优化：
        1、主导或参与大模型服务与智能体系统的架构设计、服务部署、性能调优与成本控制。
       2、 构建模型服务的监控、运维及持续集成/持续交付流水线，确保系统的高可用性与稳定性。
  四、技术研究与应用：
      1  跟踪大模型、知识图谱、智能体等领域的前沿技术，评估其在业务中的落地可行性，并主导技术攻关。

任职要求
 一、 必备经验：
       1、 有机器学习/深度学习相关开发经验，至少1年专注于大模型应用相关项目。
        2、必须有​ 知识图谱项目的实际开发经验，熟悉图数据库（如Neo4j, Nebula Graph）或基于向量的知识存储与检索。
        3、必须有​ 大模型训练或微调的完整项目经验，精通PyTorch/TensorFlow等框架，熟悉DeepSpeed、FSDP等分布式训练策略。
       4、 有从0到1主导或核心参与搭建大模型应用系统的成功经验。
 二、核心技术能力：
       1、 精通Python，具备优秀的工程能力和扎实的算法数据结构基础。
        2、深入理解Transformer架构、提示工程、Agent框架（如LangChain）及RAG技术原理。
       3、 熟悉主流大模型（如LLaMA、ChatGLM、Qwen、GPT系列）的生态、微调方法（如LoRA, QLoRA）及评估体系。
        4、熟悉Linux开发环境，熟练掌握Docker、Kubernetes及至少一种主流云服务平台。