岗位职责：
1. 负责智能客服场景中大模型应用的技术落地，包括但不限于大模型在智能助手、客服、电销等交互式应用的高可用部署、优化与定制化，确保系统能够提供稳定、智能、个性化的用户服务，提升用户体验与自动化水平。
2. 设计并实现大模型在智能客服中的核心功能模块，涵盖智能对话生成、用户意图识别、问题分类、情感分析等，确保模型能够准确理解和响应各种用户需求，提升客服效率和服务质量。
3. 协同产品和前后端技术团队，推动大模型与现有客服系统的集成和优化，确保大模型与现有技术架构的高效协同。
4. 监控和分析大模型在生产环境中的表现，识别和解决性能瓶颈，确保模型在实际应用中持续稳定运行。
5. 持续跟踪大模型技术的最新发展，探索前沿技术并将其应用到智能客服系统中，不断提升系统智能化和自动化水平。

岗位要求：
1. NLP理论与算法基础：深入理解自然语言处理（NLP）的核心理论，具备扎实的机器学习与深度学习算法基础，精通常见算法如Transformer、BERT、GPT、LSTM、CNN等，并能根据具体业务需求灵活选择合适的模型进行应用开发。
2. 编程与深度学习框架应用：精通Python编程，熟练使用深度学习框架如PyTorch、TensorFlow等，具备大规模深度学习模型的训练、优化、调试和部署经验。
3. 大模型微调与Prompt工程能力：熟悉大模型的提示词编程（Prompt Engineering），能够根据业务需求进行大模型的微调与定制化，确保模型在实际应用中达到最佳性能和稳定性，满足复杂的业务场景。
4. 大模型应用与集成能力：熟练掌握大模型应用框架如langchain、ollama、xinference，有Dify、AnythingLLM等框架集成部署经验，掌握RAG技术，具备开源向量数据库（如Milvus、Weaviate等）使用经验，能根据业务需求进行定制化接口集成与开发。
5. 工程化与部署能力：具备大模型的高可用部署经验，熟悉容器化技术（如Docker、Kubernetes）和云服务平台（如AWS、Azure、GCP等）
6. 加分项：熟悉多模态大模型（如CLIP、Stable Diffusion等）及其在智能客服中的应用；有强化学习（RL）、基于人类反馈的强化学习（RLHF）或基于规则的幻觉纠正相关经验；有智能客服、对话系统、推荐系统等相关领域的工作经验。