AI开发工程师（大模型中转方向）

职位描述

## 一、工作职责

1. 负责主流大模型的接入、适配、评测与应用落地，包括 GPT、Claude、DeepSeek、通义、文心等模型，深入理解不同模型在能力、参数、协议、上下文、Token 及输出格式方面的差异。

2. 负责大模型应用方案设计与开发，包括 Prompt 设计、上下文管理、结构化输出、Function Calling、Tool Use、模型编排及异常处理。

3. 负责模型效果评测体系建设，设计离线评测集、业务指标和回归测试方案，对模型准确率、召回率、幻觉率、稳定性、响应速度及调用成本进行持续分析。

4. 负责模型线上运行问题排查，包括模型不可用、响应异常、流式输出中断、参数不兼容、上下文超限、调用超时及上下游错误等问题，并推动解决方案落地。

任职要求

## 二、任职要求

### 1. 硬性要求

1. 本科及以上学历，计算机、人工智能、软件工程、大数据、金融工程等相关专业，具有 3 年及以上大模型应用、模型接入或 AI 工程研发经验。

2. 熟练掌握主流大模型 API 接入、适配及业务应用开发，大模型效果评测、模型选型和 Prompt 优化；

3. 熟练使用 Python，熟悉 FastAPI、Flask 等开发框架，具备大模型应用工程化开发能力；熟悉 Go 或 Java 者优先。

4. 熟悉 OpenAI、Anthropic 等主流模型 API，理解 Chat、Embedding、图片、音频、视频等模型调用方式及常用参数。

5. 理解 temperature、max_tokens、top_p、上下文窗口、Token 计算、流式输出、结构化输出、工具调用等大模型基础概念。

6. 熟悉 Prompt Engineering、RAG、向量检索、Function Calling、Agent 等至少两类技术，并有真实项目落地经验。

7. 具备模型效果评测和问题分析能力，能够设计测试样本、评测指标和模型回归方案，并根据结果定位模型或应用链路问题。

8. 了解模型调用成本、Token 用量、服务延迟、成功率和稳定性等指标，能够在模型效果、调用成本和用户体验之间进行合理权衡。

### 2. 优先条件

1. 有大模型 API 聚合、模型路由平台项目经验。

2. 有 GPT、Claude、DeepSeek、通义、文心等多个模型的实际对比、选型和接入经验。