算法工程师-A1

1.  AI 项目落地与核心技术攻关：深度参与 AI 及智能体项目端到端落地，聚焦模型训练、微调、推理优化等核心技术攻关，解决模型效果、幻觉抑制（安全性）、效率与成本等关键问题，推动实现更好、更快、更安全的 AI 应用交付。

2.  质量与效果优化：落地并迭代 AI 全链路质量评估体系，通过提示词工程、自动化评测、A/B 测试等手段，持续提升模型与应用的质量、稳定性及用户体验。

3.  技术生态沉淀：参与可复用技术资产的构建，包括但不限于将 NLP/CV/ 机器学习/RPA等能力封装为标准化 MCP 工具、Skills等。

4.  跨团队协作赋能：高效协同业务、工程等团队推进需求落地，完善协作流程，并通过知识分享与培训赋能团队，共建技术能力。

5.  前沿技术探索：跟踪大模型、智能体等 AI 前沿方向，探索创新技术在业务场景中的验证与落地，持续提升团队技术竞争力与前瞻性。

Essential criteria

1.  学历与经验：本科及以上学历，人工智能、数据科学等相关专业，有大模型或智能体相关项目经验优先。

2.  技术栈：精通Python开发，熟练掌握LangChain、Agno等至少一种主流大模型框架；扎实掌握LLM基础理论，深入理解大模型训练、微调及推理优化的核心流程与工程落地细节。

3.  智能体实战：具备智能体（Agent）深度开发经验，熟练掌握智能体核心架构设计，熟悉规划协同、记忆管理、任务执行、工具调用、RAG及提示词工程等关键技术。

4.  工程化能力：具备将大模型能力封装为标准化MCP工具/技能模块的工程实践经验，能够构建可复用的技术资产。

5.  软素质：结果导向，具备极强的跨团队协作与项目落地能力，能快速适配技术迭代与业务变化。

Advantage criteria

1.  拥有AI应用交互、HILP等项目落地实战案例。

2.  扎实掌握深度学习及大模型基础理论优先

3.  主导过完整大模型/智能体项目从0到1的全流程落地，或具备跨团队技术赋能的成功经验。

4.  具备流畅的英文技术文档阅读能力，能持续跟踪大模型、智能体前沿技术动态。