大装置-大模型算法应用工程师

职位描述

1. 基于 LazyLLM 框架，负责 LazyRAG 系统的核心模块研发，包括文档解析服务、检索算法优化、问答链路设计及自进化机制的工程实现。

2. 深入参与 RAG 算法迭代：包括切片策略、多粒度索引、Embedding/Reranker 模型升级、Agentic RAG 编排等方向，持续提升系统在多场景下的问答准确率。

3. 负责系统可观测性与评测体系建设，包括自动化评测集构建、Bad Case 归因分析、A/B Test 机制设计与落地，推动算法能力的数据驱动迭代。

4. 参与记忆管理与自进化模块的研发，包括词表/规范/技能的自动提取、注入与版本管理，实现系统从用户反馈中持续学习的能力。

5. 跟踪业界前沿技术（RAG、Agent、多模态检索、LLM 推理优化等），将新技术快速验证并落地到产品中。

任职要求

1. 计算机、软件工程或相关专业本科及以上学历，2 年以上后端/算法工程经验，熟悉 Python，有扎实的工程基础。

2. 深入理解 RAG 技术栈，包括文档解析、向量检索、Reranker、Prompt 工程等核心原理，有实际项目落地经验。

3. 有使用 AI 编程工具（Cursor、Copilot、Claude 等）进行项目开发的习惯，能借助大模型显著提升开发效率，独立完成从方案设计到代码实现的完整链路。

4. 具备较强的系统设计能力，能借助大模型独立设计状态机、任务调度、异步回调等工程模块，理解分布式系统的基本原则。

5. 有强烈的问题驱动意识，面对 Bad Case 能主动定位根因，不满足于"能跑通"，持续追求效果和性能的极致。

6. 抗压能力强，适应快节奏迭代，能在需求不完全明确的情况下推动事情落地。

加分项

1. 有基于 LangChain、RAGFlow、LlamaIndex 等主流框架进行项目落地的经验，或有 LazyLLM 使用经验。

2. 熟悉向量数据库（Milvus、Chroma 等）、文档解析工具（MinerU、PaddleOCR 等）的使用与调优。

3. 有多模态理解（图文混合检索、OCR、表格解析）相关经验。 对 Agent 编排（ReAct、DAG 推理、工具调用）有深入理解，有 Agentic RAG 落地经验。

4. 爱折腾，有个人 AI 项目或开源贡献，能展示自己用 AI 工具解决实际问题的案例。