1、LangChain与LangGraph开发

熟练掌握 LangChain 构建模块化LLM应用链，支持多模型协作。

精通 LangGraph 的图结构工作流设计（节点、边、循环分支），实现状态持久化、中断恢复和多轮对话管理。

熟悉LangGraph Studio等调试工具，支持可视化工作流开发和实时状态追踪。

熟悉多智能体协作架构（分层、监督式），支持任务分配与结果融合。
熟悉多模态模型（如图文生成）或AIGC应用

2、向量数据库与检索增强（RAG）

熟练使用 Milvus 或类似向量数据库（如Faiss、Chroma），实现高效语义检索和混合查询（向量+标量）。

掌握数据预处理技术：文档加载（PDF、HTML）、文本分块（RecursiveCharacterTextSplitter）、向量化（如DashScope、OpenAI Embeddings）。

优化RAG系统以减少幻觉问题，结合自校正（Self-RAG）和动态路由（Adaptive RAG）技术提升答案准确性。

3、模型微调与训练

熟悉大模型（如LlamaFactory、线上阿里云模型微调）的全参数微调与参数高效微调，最好熟悉图形微调训练。

掌握使用LangSmith收集LLM运行数据，转换为微调训练集，并通过OpenAI、阿里百炼等平台完成模型迭代。

理解微调与RAG的协同作用：微调提升基础能力，RAG补充实时知识。

4、提示词工程与评估

设计高质量提示模板，支持多任务指令（如摘要、翻译、代码生成），通过多样化指令提升模型泛化能力。

使用评估指标（如ROUGE、BLEU）量化模型输出质量，结合人工反馈优化提示策略。

5、工具链与部署

熟悉 Streamlit 快速构建LLM应用前端，实现交互式演示和结果可视化。

6、集成工具链：搜索API（Tavily）、代码执行（Python REPL）、缓存（GPTCache）提升应用性能、自定义工具

任职要求：

1. 计算机科学或相关领域的本科及以上学历，有扎实的计算机基础知识和编程能力。

2. 熟练掌握Python编程语言，并具有丰富的Python开发经验，特别是在金融领域的项目经验将会是一项优势。

3. 有LLM应用落地经验,最好是LangGraph，如客数据分析Agent，需优化推理性能（如延迟、成本）。

4. 熟练掌握技术LangChain/LangGraph、Hugging Face Transformers、PyTorch/TensorFlow、Milvus（部署、调优）、Redis（缓存）、Clickhouse（结构化数据）、阿里百炼云平台等相关框架、平台和技术。

5.熟悉Linux环境下的开发和部署，熟悉常用的版本控制工具如Git。

6.良好的沟通能力和团队合作精神，能够与产品经理、设计师和其他工程师紧密合作，共同推动项目进展。